Escolar Documentos
Profissional Documentos
Cultura Documentos
ANÁLISE NUMÉRICA:
Uma Abordagem Algorítmica e Computacional
,
por
Lucas Máximo Alves
CURITIBA – PARANÁ
MARÇO – 2007
LUCAS MÁXIMOALVES
ANÁLISE NUMÉRICA:
Uma Abordagem Algorítmica e Computacional
,
CURITIBA – PARANÁ
MARÇO – 2007
LUCAS MÁXIMOALVES
ANÁLISE NUMÉRICA:
Uma Abordagem Algorítmica e Computacional
CURITIBA – PARANÁ
MARÇO – 2007
Dedicatória
Agradeço a Deus pelo seu imenso amor e misericórdia revelado nas oportunidades
que a vida me trouxe. Quero também agradecer:
À minha Família pelo apoio emocional e espiritual, ao meu orientador o Prof. Dr.
....., ao meu Co-Orientador o Prof. Dr. .... , a Maristela Bradil pela amizade e dedicação com
que nos atende, aos amigos, ...., .... ...., ......., e toda a galera do CESEC.
Epígrafe
Apresentação ............................................................................................................................19
Capítulo I ..................................................................................................................................20
INTRODUÇÃO AOS ERROS EM COMPUTADORES ........................................................20
1. 1 - Objetivos do Capítulo .....................................................................................................20
1. 2 - Introdução 20
1. 3 - Noções Básicas sobre Erros ............................................................................................21
1. 4 - Representação dos Números em um Computador ..........................................................22
1. 5 - Aritmética de Ponto Flutuante ........................................................................................24
1.5.1 – Exemplo - 1 .................................................................................................................. 24
1.5.2 – Exemplo - 2 .................................................................................................................. 25
1. 6 – Análise de Erros 26
1.6.1 - Erro absoluto: ................................................................................................................ 26
1.6.2 - Erro relativo: ................................................................................................................. 26
1. 7 - Erros de arredondamento e truncamento em um Sistema de Artimética de ponto
Flutuante 27
1.7.3 – Exemplo - 3 .................................................................................................................. 27
1.7.1 - Truncamento: ............................................................................................................... 28
1.7.2 – Arredondamento ........................................................................................................... 28
1.7.4 – Exemplo - 4 .................................................................................................................. 30
Solução: 31
Conclusão:31
1. 8 – Erro absoluto e Erro relativo nas Operações Aritméticas com Erros na representação
das Parcelas ou Fatores 31
1.8.1 – Adição........................................................................................................................... 32
1.8.2 - Subtração....................................................................................................................... 32
1.8.3 – Multiplicação ................................................................................................................ 33
1.8.4 - Divisão .......................................................................................................................... 34
1. 9 - Exemplos e Aplicações ...................................................................................................36
1. 10 - Exercícios e Problemas .................................................................................................37
Capítulo II.................................................................................................................................38
ARITIMÉTICA DE PONTO FLUTUANTE EM PROGRAMAÇÃO....................................38
2. 1 - Objetivos do Capítulo .....................................................................................................38
2. 2 – Introdução 38
2. 3 – História e Evolução dos Computadores..........................................................................39
2.3.1 - Máquinas Calculadoras Mecânicas ............................................................................... 39
2.3.2 - Inicio da Era da Computação – Eletromecânico ........................................................... 39
2.3.3 - Inicio da Era da Computação Eletrônica....................................................................... 39
2. 4 – Representação Binária de Números................................................................................40
2.4.1 - Esquema de um Computador ........................................................................................ 40
2.4.2 - Base Numéricas............................................................................................................. 40
2.4.3 - Sistema Binário ............................................................................................................. 40
2.4.4 - Exemplos de Representação de Números ..................................................................... 42
2.4.5 - Transformação de um Valor Positivo em um Numero Negativo.................................. 42
2.4.6 - Aritmética Binária ......................................................................................................... 43
2. 5 – Representação Normalizada ...........................................................................................44
2. 6 – Programação em FORTRAN..........................................................................................45
2. 7 – Exemplos e Aplicações...................................................................................................46
2. 8 – Exercícios e Problemas...................................................................................................47
Capítulo III ...............................................................................................................................48
SISTEMA DE EQUAÇÕES LINEARES ................................................................................48
3. 1 -Objetivos do Capítulo ......................................................................................................48
3. 2 - Introdução 48
3. 3 – Resolução de Sistemas Lineares.....................................................................................49
3. 4 – Métodos Iterativos ..........................................................................................................49
3.4.1 - Esquema Iterativo.......................................................................................................... 49
3.4.2 - Critério de Parada do Processo Iterativo ....................................................................... 50
3.4.3 - Utilização dos métodos iterativos ................................................................................. 50
3. 5 – Método de Gauss-Jacobi.................................................................................................51
3.5.1 - Exemplo ........................................................................................................................ 52
3.5.2 - Verificação da convergência: ........................................................................................ 53
3.5.1 - Convergência do método............................................................................................... 54
3. 6 – Método de Gauss-Seidel.................................................................................................55
3.6.1 - O Processo Iterativo ...................................................................................................... 55
3.6.1 - Exemplo ........................................................................................................................ 58
3.6.2 - Solução .......................................................................................................................... 58
3.6.2 - Convergência do Método .............................................................................................. 64
3.6.3 - Exemplo ........................................................................................................................ 65
3.6.4 - Solução .......................................................................................................................... 65
3. 7 - Exemplos e Aplicações ...................................................................................................66
3.7.1 - Exemplo ........................................................................................................................ 66
3.7.2 - Solução .......................................................................................................................... 66
3. 8 - Exercícios e Problemas ...................................................................................................68
Capítulo IV ...............................................................................................................................69
ZEROS DE FUNÇÕES E RAIZES DE EQUAÇÕES.............................................................69
4. 1 -Objetivos do Capítulo ......................................................................................................69
4. 2 - Introdução 69
4. 3 - Zeros de Funções Reais...................................................................................................70
4.3.1 - Problema ....................................................................................................................... 70
4.3.2 - Aproximação inicial para raiz: ..................................................................................... 70
4.3.3 – Método da Bi-Secção (ou de Bolzano)......................................................................... 71
Exemplo : 74
4.3.3.1 – Prova da Convergência do Método da Bi-Secção ..................................................... 76
4. 4 – Iteração Linear 78
4.4.1 - Uma equação de iteração............................................................................................... 79
4.4.2 - Um critério de parada para as iterações ........................................................................ 80
Lista de Figuras
Tabela - I. 1...............................................................................................................................25
Tabela - IV. 1............................................................................................................................75
Tabela - IV. 2..........................................................................................................................108
Tabela - IV. 3..........................................................................................................................112
Tabela - IV. 4..........................................................................................................................112
Tabela - IV. 5..........................................................................................................................113
Tabela - IV. 6..........................................................................................................................114
Tabela - IV. 7..........................................................................................................................115
Tabela - IV. 8..........................................................................................................................116
Tabela - IV. 9..........................................................................................................................117
Tabela - IV. 10........................................................................................................................118
Tabela - IV. 11........................................................................................................................118
Tabela - IV. 12........................................................................................................................119
Tabela - IV. 13........................................................................................................................121
Tabela - VI. 1. Tabela de Diferença Divididas.......................................................................135
Tabela - VI. 2..........................................................................................................................151
Tabela - VI. 3..........................................................................................................................177
Tabela - VI. 4..........................................................................................................................179
Tabela - VI. 5..........................................................................................................................179
Tabela - VI. 6..........................................................................................................................181
Tabela - VI. 7..........................................................................................................................181
Tabela - VI. 8..........................................................................................................................183
Tabela - VI. 9..........................................................................................................................184
Tabela - VI. 10........................................................................................................................184
Tabela - VI. 11........................................................................................................................185
Tabela - VI. 12........................................................................................................................188
Tabela - VI. 13........................................................................................................................189
Tabela - VI. 14........................................................................................................................189
Tabela - VI. 15........................................................................................................................190
Tabela - VI. 16........................................................................................................................190
Tabela - VI. 17........................................................................................................................194
Tabela - VI. 18........................................................................................................................199
Tabela - VI. 19........................................................................................................................199
Lista de Siglas
Lista de Símbolos
Apresentação
Esta apostila é resultado da digitação das aulas do prof. José Antonio Marques
Carrer. Ela é resultado de estudos pessoais do estudante de doutorado Lucas Máximo Alves.
Alguns acréscimos as notas de aulas foram feitos com o intuito de se esclarecer mais algum
assunto, ou detalhar algum tópico ou exercício em questão. A idéia é fornecer, a quem possa
interessar, um material com os cálculos detalhados e mastigados para que a consulta seja
rápida e fácil, principalmente para aqueles estudantes que em época de provas sesejam fazer
uma revisão rápida da matéria, lendo-a como se fosse um jornal de notícias, sem embargos e
confusões. A estruturação visual do texto desta apostila procura facilitar uma leitura dinâmica.
Ela foi desenvolvida durante alguns anos de experiência no preparo de notas de aulas na
Universidade Estadual de Ponta Grossa. Esta forma de estruturação busca uma forma de se
obter uma consulta visual rápida e agradável (não cansativa aos olhos), a partir do conteúdo
contido numa página. Pensou-se em uma diagramação do texto de forma que fosse possível
coletar informações do conteúdo das páginas visualmente, para uma rápida reindexação
mental do conteúdo em ministração durante as aulas em tempo real. Desta forma, uma pessoa
familiarizada com o assunto do texto terá facilidade de encontrar o que lhe interessa no
momento, por meio de um rápido exame de uma página de interesse.
Capítulo I
INTRODUÇÃO AOS ERROS EM COMPUTADORES
RESUMO
Neste capítulo será visto uma introdução a teoria matemática dos erros e suas
definições gerais. Serão apontado as principais fontes de erros numéricos. Serão fornecidos
exemplos de casos de erros numéricos para que o estudante possa adquirir uma sensibilidade
no entendimento e na detecção de erros numéricos cometidos em cálculos por computadores.
1. 1 - Objetivos do Capítulo
1. 2 - Introdução
O erro experimental é algo inerente a medida. Por outro lado, o erro de cálculo
pode surgir de várias fontes que vão, desde o método de aproximação escolhido até a máquina
utilizada no cálculo. Estudar erros e tipos de erros matemáticos é imprescindível no Cálculo
Numérico de quantidades físicas. Saber estimá-los é de vital importância na ciência e na
engenharia. Saber prevê-los facilita a análise numérica e define os resultados finais dos
cálculos. Dele depende a limitação de muitas estruturas em física química e engenharia.
1. 3 - Noções Básicas sobre Erros
Figura - 1. 2. Seqüência de aparecimento ou introdução natural dos erros nas etapas de cálculo da
solução de um problema físico.
Se o modelo matemático não possuir solução analítica pode-se recorrer aos
métodos numéricos para a solução das equações que representam o modelo.
* Métodos Numéricos: Conjunto de procedimentos utilizados para transformar o modelo
matemático em um problema numérico.
A descrição seqüencial dos passos em um número finito, que caracterizam um
método numérico chama-se algoritmo.
Na solução do problema com o emprego de métodos numéricos e de
computadores surgem erros devidos a representação dos números no computador e resultantes
de operações aritméticas. Se x representa a solução analítica e x , a numérica deseja-se saber:
quão próximo x está de x.
Ao se efetuar os somatórios:
S1 xi xi 0,5
30000
, (1. 1)
i 1
S2 xi xi 0,1
30000
, (1. 2)
i 1
S3 xi xi 2,0
30000
, (1. 3)
i 1
(1. 4)
Encontram-se os resultados:
Em precisão simples:
S1 = 15000
S2 =3000,576 (1. 5)
S3 = 60000
Em precisão dupla:
S1 = 15000
S2 =2999,99999999837 (1. 6)
S3 = 60000
(1. 8)
1.5.1 – Exemplo - 1
Considerando uma máquina que opera no sistema: 10, t 3, e [5,5]
nesse sistema os números serão representados como:
d1 0
.d1d 2 ...dt 10e
0 d j 9, j 1, 2, t 3
(1. 10)
O menor é:
Se
com truncamento:
2) x m underflow e x M overflow
Estes números não podem ser representados nesta máquina porque estão fora dos
intervalos de representação dos números.
Conforme mostra a Figura - 1. 3
1.5.2 – Exemplo - 2
Representar os números em um sistema de aritmética de ponto flutuante de três
Tabela - I. 1
Nem sempre é possível conhecer o valor exato de um número por isso o erro pode
ser calculado em relação ao ser valor aproximado,
EAx x x
ERx , x0 (1. 18)
x x
xx
ERx
EAx
(1. 19)
x x
Se o erro exato não é conhecido, mas apenas o valor aproximado, o erro relativo é
dado por:
EAx x x
ERx (1. 20)
x x
xx
ERx
EAx
(1. 21)
x x
1. 7 - Erros de arredondamento e truncamento em um Sistema de
Artimética de ponto Flutuante
[ u , u ] .
Se x está na base 10 com t dígitos este pode ser escrito da seguinte forma:
onde 0,1 f x 1 e 0 g x 1
1.7.3 – Exemplo - 3
Se x 234,57 e t 4 , temos:
ou
Logo
onde f x 0, 2345 e g x 0, 7
ou seja
logo
como g x 1 temos:
xx
ERx
EAx
(1. 31)
x x
ou seja
Portanto,
1.7.2 – Arredondamento
No arredondamento, f x é modificado para levar em consideração g x
ou seja
logo
como g x
1
temos:
2
EAx 10e t
1
(1. 39)
2
xx
ERx
EAx
(1. 40)
x x
ou seja
1 e t
g x .10e t 2 10 1 10e t
ERx
f x .10e 2 0,1.10e
EAx
x x
1 10e t
(1. 41)
ERx
2 10e 1
Portanto,
ERx 10 t 1
1
(1. 42)
2
ou seja
logo
como g x
1
temos:
2
EAx 10e t
1
(1. 46)
2
xx
ERx
EAx
(1. 47)
x x
ou seja
1 e t
g x .10e t 2 10 1 10e t
ERx
f x .10e 2 0,1.10e
EAx
x x
1 10e t
(1. 48)
ERx
2 10e 1
Portanto,
ERx 10t 1
1
(1. 49)
2
1.7.4 – Exemplo - 4
Sendo t = 4 base 10 e sendo dados x = 0,937.104 e y = 0,1272.102, obter (x + y) e
xy, usando truncamento e arredondamento:
Solução:
a)
O resultado truncado é:
b)
O resultado truncado é:
Conclusão:
Ainda que as parcelas ou fatores em uma expressão estejam representados
exatamente no sistema, não se pode esperar que o resultado da equação seja exato.
e
y y EAy (1. 57)
1.8.1 – Adição
O erro absoluto é dado por:
x y ( x EAx ) ( y EAy )
( x y ) ( EAx EAy )
(1. 58)
Ou
EAx y
ERx y .
EAx EAy EAx x EAy y
xy xy xy x (x y ) y (x y )
. . (1. 60)
logo
x .ERx y .ER y
ERx y
xy
(1. 61)
1.8.2 - Subtração
Analogamente temos:
x y ( x EAx ) ( y EAy )
( x y ) ( EAx EAy )
(1. 62)
Ou
EAx y
ERx y
x x y y x y
EAx x EAy y
xy
. . (1. 64)
logo
x .ERx y .ER y
ERx y
xy
(1. 65)
1.8.3 – Multiplicação
O erro absoluto é dado por:
x. y ( x EAx ).( y EAy )
( x . y ) ( xEAy yEAx EAx EAy )
(1. 66)
xEAy yEAx
ERxy (1. 68)
x.y
ou
ERxy
EAx EAy
(1. 70)
x y
ou seja
x x EAx x EAx 1
y y EAy
1
(1. 72)
y EAy
y
EAy
1
1
1 EAy
1
EAy y (1. 73)
y
Então:
x x yEAx x EAy
y y
(1. 76)
y2
E, portanto,
yEAx x EAy
EAx / y
2 (1. 77)
y
E
y yEAx xEAy
ERx / y
EAx / y
x
(1. 78)
x/y y2
Logo
ERx / y
y 2 EAx y .xEAy
(1. 79)
x.y 2 x.y 2
ficando
ERx / y
EAx EAy
(1. 80)
x. y
Portanto,
2. 1 - Objetivos do Capítulo
2. 2 – Introdução
1) Ábaco
2) Pascalina
3) Calculadora de Leibnitz
4) Tear de Jacquard
5) Máquina Diferencial de Babbage – que utilizava os cartões de Jacquard
6) Máquina Analítica de Babbage – Pai do Computador
0000 1111
0 15
(2. 3)
2) Valor Máximo: 28
00000000 11111111
0 255
(2. 4)
0000000000000000 1111111111111111
0 65535
(2. 5)
00000000000000000000000000000000 11111111111111111111111111111111
0 4294967295 (2. 6)
5) 264
00000000000000000000000000000000 11111111111111111111111111111111
00000000000000000000000000000000 11111111111111111111111111111111
0 ...
(2. 7)
....
O Windows Vista é o 1º Sistema Operacional que pretende usar toda a
capacidade.
0000.0000...0000 = 0d (2. 8)
0000.0000...0001 = 1d (2. 9)
Ida
Inverte o número e soma com o número 0001:
2d 0010b (inverte)
1101b ( soma)
(2. 15)
1
2d 1110
ou
Volta
Soma 0001 com 1
1) Soma
0000 0111 7 d
0000 0110 6d (2. 19)
00001110 13d
2) Subtração
7d – 6d = (2. 20)
2
Alcance
YYYY
1,
XXXXX
(2. 22)
Precisão
Figura - 1. 6.
(2. 23)
INTEGER : KNDI
KNDI = SELECTED_INT_KIND (r) – você declara o que você quer e fica como precisão padrão
(r = 50)
REAL : KNDR
KNDR = SELECTEC_REAL_KIND([p][r]) – precisão , alcance
SELECTED_INT_KIND([p][r])
(p = 15 r = 100) - Retorna o número inteiro referente ao KIND ( “tipo”que diz qual o número o processador
usa para identificar simples ou dupla precisão)
INTEGER
TYPE
REAL*8
REAL(KIND = KND)
A = 2.0 * B
A = 2.0_KND * B – garante o número digitado ganhe a precisão que você quer.
2. 7 – Exemplos e Aplicações
2. 8 – Exercícios e Problemas
Capítulo III
SISTEMA DE EQUAÇÕES LINEARES
RESUMO
3. 1 -Objetivos do Capítulo
3. 2 - Introdução
3. 3 – Resolução de Sistemas Lineares
exemplo, x (0) , geram uma seqüência de x ( k ) que converge para a solução do problema, caso
~ ~
3. 4 – Métodos Iterativos
x C x g ( x) (3. 1)
~ ~ ~ ~ ~
( x) é a função de iteração.
~
vetor
~
1ª Aproximação
C x g ( x (0) )
(1) (0)
x (3. 2)
~ ~ ~ ~ ~
2ª Aproximação
Cx g
(2) (1)
x (3. 3)
~ ~ ~ ~
....
K- ésima aproximação
Cx g
(k ) ( k 1)
x (3. 4)
~ ~ ~ ~
(0) (1) (k )
Se a seqüência de aproximações x , x ,...., x converge para a solução do problema, seja
~ ~ ~
A1 b (3. 5)
~ ~ ~
então,
(k )
lim x
k ~ ~
(3. 6)
C g (3. 7)
~ ~ ~ ~
( k 1)
próximo do vetor x ou que o número máximo de iterações tenha sido ultrapassado.
~
problema se:
nulos). Os Métodos Iterativos utilizam apenas elementos da matriz original, enquanto que o
Método da Eliminação de Gauss, não preserva esparsidade, isto é, durante o processo de
eliminação de muitos elementos nulos podem se tornar não nulos.
3. 5 – Método de Gauss-Jacobi
Considerando o sistema:
E admitindo que aii 0, i 1, 2,.., n , o vetor x é isolado mediante a separação pela diagonal:
~
x C x g (3. 14)
~ ~ ~ ~
onde
com
b1
a
11
b2
g a22
(3. 16)
~
bn
a
nn
Cx g
( k 1) (k )
x (3. 17)
~ ~ ~ ~
3.5.1 - Exemplo
Resolver o sistema
10 x1 2 x2 x3 7
x1 5 x2 x3 8
2 x 3 x 10 x 6
(3. 18)
1 2 3
7
10
8
5
(0)
x (3. 19)
6
~
10
Ou
Para k = 0 tem-se:
0,96
C x g 1,86
0,94
(1) (0)
x (3. 22)
~ ~ ~ ~
(1)
| x~1 x~1 | 0, 26
(0)
(1)
| x2 x2 | 0, 26
~
(0)
(3. 23)
| x3 (1) x3 (0) | 0,34
~
~ ~
onde
0,978
C x g 1,98
0,966
(2) (1)
x (3. 25)
~ ~ ~ ~
onde
0,9994
C x g 1,9888
0,9984
(3) (2)
x (3. 27)
~ ~ ~ ~
onde
max xi(3) xi(2)
1i n
0, 0163
(3) 0, 0324
dk (3) (3. 28)
max x 1,9888
i 1,2,3
i
O valor x(3) tem dk(3) < erro, logo a solução aproximada do problema é:
0,9994
1,9888
0,9984
(3)
x (3. 29)
~
Ax b (3. 30)
~ ~ ~
Seja
k
n | akj |
j 1 | akk | (3. 31)
j k
se
max k 1
1 k n
(3. 32)
(k )
então, o método de Gauss-Jacobi gera uma seqüência x convergente para a solução do
~
(0)
sistema dado, independentemente da escolha da aproximação inicial x .
~
3 10 10 0,5
2 3
3. 6 – Método de Gauss-Seidel
Considere o sistema
Cx g ( x)
(k ) ( k 1)
x (3. 35)
~ ~ ~ ~ ~
sistema:
x1( k 1)
1
b1 a12 x2(k ) a13 x3(k ) ... a1n xn( k )
b2 a21 x1( k 1) a23 x3( k ) ... a2 n xn ( k )
a11
x2 ( k 1)
1
x1( k 1)
1
ann
E admitindo que aii 0, i 1, 2,.., n , o vetor x é isolado mediante a separação pela diagonal:
~
x3( k 1) (bn a31 x1( k 1) a32 x2( k 1) ... a3 n x((nk1)1) )
1 (3. 37)
ann
xn( k 1) (bn an1 x1( k 1) an 2 x2( k 1) ... an 1n x((nk1)1) )
1
ann
Portanto, no cálculo de x j
( k 1)
são utilizados os xi( k 1) , i 1, 2,3,...,( j 1) já
A L D R (3. 38)
~ ~ ~ ~
onde:
L é uma matriz triangular inferior com diagonal nula,
~
~ (3. 39)
an1 an 2 ... 0 0 0 ... ann 0 0 ... 0
Então
Ax b (3. 40)
~ ~ ~
(3. 41)
x D 1b D 1Lx D 1 Rx
~ ~ ~ ~
~ ~ ~ ~
A expressão:
C x(k ) g
( k 1)
x (3. 43)
~ ~ ~ ~
( k 1)
é obtida da equação (3. 42), agrupando as matrizes que multiplicam x da seguinte forma:
~
D 1 L I x( k 1) D 1 R x( k ) D 1 b
~ ~ ~~
(3. 44)
~ ~~ ~ ~
1 1
x( k 1) D 1 L I D 1 R x ( k ) D 1 L I D 1 b
~ ~ ~ ~ ~ ~
(3. 45)
~ ~ ~~ ~ ~
Chamando
1
C D 1 L I D 1 R
~ ~ ~
(3. 46)
~ ~ ~
1
g D 1 L I D 1 b
~ ~ ~ ~
(3. 47)
~ ~
obtém-se
C x(k ) g
( k 1)
x (3. 48)
~ ~ ~ ~
3.6.1 - Exemplo
Resolver o sistema
5 x1 x2 x3 5
3x1 4 x2 x3 6
3x 3x 6 x 0
(3. 49)
1 2 3
0
0
(0)
x (3. 50)
0
~
e =0,05
3.6.2 - Solução
A matriz do sistema linear:
Ax b (3. 51)
~ ~ ~
é:
5 1 1 x1 5
3 4 1 x2 6
3 3 6 x 0
(3. 52)
3
0 0 0 5 0 0 0 1 1
L 3 0 0; D 0 4 0 : R 0 0 1
3 3 0 0 0 6 0 0 0
(3. 53)
~ ~ ~
onde
1
5 0
0
D 0 0
1
1
(3. 54)
~ 4
0 1
6
0
Logo
1
C D L I D R
1 1
~ ~ ~ ~ ~ ~
1 1
1
0 5 0
5 0 0 0 1 0 0 0 1 1
0 0
0
0 3 0 0 0 1 0 0 0 0 0 1
(3. 55)
1 1
3 3 0 0 0 1 0 0 0
1
4 4
0 1 0
6 6
0 0
ou
1
C D L I D R
1 1
1
~ ~ ~ ~ ~ ~
5 0
0 0 0 1 0 0 0 1 1
1
0
0
3 / 4 0 0 0 1 0 0 0 0 1
(3. 56)
1
3 / 6 3 / 6 0 0 0 1 0 0 0
1
4
0
6
0
E
1
C D L I D R
1 1
1
~ ~ ~ ~ ~ ~
1
0
1 0 0 5 0 1 1
0
3 / 4 1 0 0
0 0 0 1
(3. 57)
1
3 / 6 3 / 6 1 0 0 0
1
4
0
6
0
Como
1
a 0
a 0 0
0
1
d
d b 0 0
ab
1
(3. 58)
f e c
de bf e
b
1
abc bc c
temos:
1
C D L I D R
1 1
1
~ ~ ~ ~ ~ ~
0
0 5 0 1 1
0
0 0 0 0 0 1
1 0
3 / 4
(3. 59)
1
3 / 4 3 / 6 3 / 6 3 / 6 1 0 0 0
1
1
4
0
6
0
E
1
C D L I D R
1 1
1
~ ~ ~ ~ ~ ~
0 5
1
1 0 5
0 0
1
0
3 / 4
(3. 60)
4
1 0
1/ 8 3 / 6 1
0 0
0
e por último
1
C D L I
1 1
D R
~ ~ ~ ~ ~ ~
0
1 1
3 1
5 5
0 3 / 20
(3. 61)
20 4
0 1/ 40 1/ 40 1/ 8
1
0 5
1
5
C 0 3 / 20
2
20
(3. 62)
0 1/ 40 4 / 40
~
e
1
g D 1 L I D 1 b
~ ~ ~ ~ ~ ~
1
1 1
0 5 0
5 0 0 0 1 0 0 5
0 0
g 0 0 3 0 0 0 1 0 0 0 6
(3. 63)
1 1
~
3 3 0 0 0 1 0
1 1
4 4
0 0
6
6
0 0
Logo
1
g D 1 L I D 1 b
~ ~ ~ ~ ~ ~
1 1
0 5 5
0
1
5
0
5
2
0 6
(3. 64)
g 0 3 / 20
1
0
0
0 1/ 40 4 / 40 0 1
~ 20 4
6
0
1
g D 1 L I D 1 b
~ ~ ~ ~ ~ ~
1
0 5 1
1
1
5
(3. 65)
g 0 3 / 20 6 / 4
10
0
0 1/ 40 1/10
~
Portanto,
1
g D 1 L I D 1 b
~ ~ ~ ~ ~ ~
6 / 20
(3. 66)
g 18 / 80
~
6 /160
obtém-se
C x(k ) g
( k 1)
x (3. 67)
~ ~ ~ ~
Logo
1
5 x ( k ) 6 / 20
1
x1( k 1) 1
0
( k 1) 1 (k )
5
x2 0 3 / 20 x2 18 / 80
x ( k 1) (k )
(3. 68)
3 0 1/ 40 1/10 x3 6 /160
10
1 0, 2 x 0, 2 x
( k 1) (k ) (k)
x
1,5 0, 75 x 0, 25 x
~1 ~2 ~3
( k 1) (k ) (k)
x (3. 69)
0,5 x 0,5 x
~2 ~1 ~3
( k 1) ( k 1) ( k 1)
x
~3 ~1 ~2
i) Para k = 0 tem-se,
x 1
(1)
(3. 70)
x 0,5.1 0,5.0, 75 0,875
~2
(1)
~3
O primeiro valor é
1
0, 75
(1)
x (3. 71)
0,875
~
Verificação da convergência:
(1)
| x~1 x~1 | 1
(0)
(1)
| x2 x2 | 0,75 ; d r 1
1
~
(0) (1)
(3. 72)
max xi (1)
| x3 (1) x3 (0) | 0,875
i 1,2,3
~
~ ~
Fazemos os outros e como está maior que o erro, continuamos dr = 1 > epsilon
ii) Para k = 1
1, 025
( 2)
x
0,95
~1
( 2)
x (3. 73)
0,9875
~2
( 2)
x
~3
O segundo valor é
1, 025
0,95
(2)
x (3. 74)
0,9875
~
Verificação da convergência:
(2)
| x~1 x~1 | 0, 025
(1)
(2)
| x2 x2 | 0, 20 ; d r 0,1951
0, 2 0, 2
(1) (2)
(2) (3. 75)
| x3 (2) x3 (1) | 0,1125
max x 1, 025
i 1,2,3
~ ~ i
~ ~
Fazemos os outros e como está maior que o erro, continuamos pois dr=1>epsilon
iii) Para k = 2
1, 0075
(3)
x
0,9912
~1
(3)
x (3. 76)
0,9993
~2
(3)
x
~3
O terceiro valor é
1, 0075
0,9912
(3)
x (3. 77)
0,9993
~
Verificação da convergência:
(3)
| x~1 x~1 | 0, 00175
(2)
(3)
| x2 x2 | 0, 0412 ; d r 0,0409
0, 0412 0, 0412
(2) (3)
(2) (3. 78)
| x3 (3) x3 (2) | 0, 0118
max x 1, 0075
i 1,2,3
~ ~ i
~ ~
Com dk(3) = 0.0409 < erro, portanto a solução x(3) a solução aproximada do sistema é:
1, 0075
0,9912
(3)
x (3. 79)
0,9993
~
Ou
k a jk
j 1 n
a jk
j k 1 k j 1 (3. 82)
a jj
Sejam,
max j
1 j n (3. 83)
(k )
Então, o método de Gauss-Seidel gera uma seqüência x convergente.
~
OBS:
1) Se o critério das linhas for atendido, o critério de Sassenfeld também será.
2) Tanto o Critério das Linhas para o Método Gauss-Jacobi quanto os critérios de Sassenfeld
e o Critério das Linhas para o Método de Gauss-Seidel estabelecem condições suficientes para
a convergência.
3.6.3 - Exemplo
Para o sistema de equações do exemplo anterior, verificar se o Método de Gauss-
Seidel gera uma seqüência convergente. Utilizar o critério de Sassenfel e o Critéio das Linhas.
3.6.4 - Solução
(a)
a12 a13 1 1
1 0, 4 (3. 85)
a11 5
max j 0,55 1 ,
1 j 3
Como
Conclui-se que o Método Gauss-Seidel gera uma seqüência convergente, qualquer que seja
x (0) .
~
a21 a23 3 1
2 1 (3. 89)
a22 4
Conclusão
Como 1 , o Critério das Linhas não é atendido embora o Critério de
Sassenfeld tenha sido.
3. 7 - Exemplos e Aplicações
3.7.1 - Exemplo
Seja o sistema
2 x1 x2 3 x3 9
0 x1 x2 x3 1
x 0 x 3x 3
(3. 91)
1 2 3
3.7.2 - Solução
1º)
a12 a13 1 3 4
1 2 (3. 92)
a11 2 2
Com
max j 2
i 1,2,3 (3. 95)
x1 0 x2 3x3 3
0 x1 x2 x3 1
2 x x 3x 1
(3. 96)
1 2 3
logo
a12 a13 3
1 3 (3. 97)
a11 1
3x3 0 x2 1x1 3
x3 x2 0 x1 1
3x x 2 x 9
(3. 98)
3 2 1
Temos:
1
1
(3. 99)
3
2
1.1/ 3 1
(3. 100)
1 3
e
3(1/ 3) 1.(1/ 3) 2
3 (3. 101)
2 3
3. 8 - Exercícios e Problemas
Capítulo IV
ZEROS DE FUNÇÕES E RAIZES DE EQUAÇÕES
RESUMO
Neste capítulo será visto diferentes métodos de cálculo de zeros de funções tais
como: o Método da Bissecção, o Método Iterativo das Aproximações Sucessivas, o Método
de Newton-Raphson, o Método da Secante, etc. e a análise da ordem e da convergência destes
métodos será feito junto com um estudo comparativo entre eles, a partir de um mesmo
exemplo resolvido pelos diferentes métodos.
4. 1 -Objetivos do Capítulo
4. 2 - Introdução
f ( x) 0 (4. 1)
4.3.1 - Problema
Dada uma função y f ( x) encontrar os valores da variável independente x tais
que f ( x) 0 . Esses valores são denominados raízes da equação f ( x) 0 ou zeros da
função y f ( x) .
O problema da procura das raízes da equação f ( x) 0 pode ser resolvido com o
emprego de métodos interativos.
Os métodos interativos estacionários de passo um contém as seguintes etapas:
x = (a+b)/2 (4. 3)
Análise gráfica
Figura - 4. 2.
Condições de parada
f(x) = 0 (4. 7)
(a – b) = 0 (4. 8)
Não o sendo
quantas iterações serão efetuadas pelo método da bissecção até que se obtenha b - a
Veja que:
b a
b1 a1 0 0
21
b a b a
b2 a2 1 1 0 0
2 22
b a b a b a
b3 a3 2 2 1 1 0 0
(4. 11)
2 22 23
:
b a b a
bk ak k 1 k 1 0 0
2 2k
log(b0 a0 ) log( )
k (4. 12)
log(2)
Exemplo :
Considere-se
Figura - 4. 4.
O cálculo da 1ª aproximação
teste de parada
logo:
Tabela - IV. 1
lim ak r
k
(4. 23)
bk : não crescente e limitada inferiormente por ao , então existe s R tal que:
lim bk s
k
(4. 24)
onde ak xk bk , k . Assim, k
bo ao
bk ak (4. 26)
2k
Então
b a
lim bk a k lim o k o 0
k k
(4. 27)
2
lim bk lim ak 0
k k
(4. 28)
Logo
lim bk lim ak r s
k k
(4. 29)
k lim xk l .
k
Vamos agora provar que l é o zero da função. Em cada iteração k temos:
0 lim f (a k ). f (bk ) lim f ( ak ). lim f (bk ) f lim ak . f lim bk
Então:
k k k k k
f (r ). f ( s) f (l ). f (l ) f 2 (l ) (4. 31)
Assim
0 f 2 (l ) 0 f (l ) 0 (4. 32)
Portanto,
lim xk l onde f (l ) 0
k
(4. 33)
É o zero da função. Concluímos, pois que o método da bisecção converge sempre que f for
ln(bo ao ) ln(bk ak )
k (4. 34)
ln 2
ln(bo ao ) ln
k (4. 35)
ln 2
4. 4 – Iteração Linear
f ( x) 0 (4. 36)
x ( x) (4. 37)
de forma que qualquer solução de (4. 37) seja, também, solução de (4. 36). Em geral, há
muitas maneiras de expressar f ( x) na forma (4. 37). Basta considerarmos
( x) x A( x) f ( x) (4. 38)
f ( x) x 2 x 2 0 (4. 39)
x x2 2 (4. 40)
b)
x 2 x (4. 41)
c)
x 1
2
(4. 42)
x
d)
x2 x 2
x x , m 0. (4. 43)
m
Geometricamente, uma raiz de (4. 37) é um número x x , para o qual a reta y x intercepta
a curva y ( x) . Pode ocorrer, naturalmente, que estas curvas não se interceptem, caso em
que não haverá solução real. Admitiremos, contudo, que essas curvas se interceptem no
mínimo, uma vez; que estamos interessados em determinar uma dessas raízes, digamos x x ,
e que ( x) e '( x) sejam contínuas num intervalo que contenha essa raiz.
aproximação inicial para a raiz x x de (4. 37). Obtemos as aproximações sucessivas xi para
Esse processo é chamado de método iterativo linear. Partindo de uma aproximação inicial, xo,
constrói-se uma seqüência da forma:
x1 ( xo )
x2 ( x1 )
(4. 45)
:
xi 1 ( xi )
lim xi 1 lim ( xi ) ( )
i i
(4. 46)
Para que esse processo seja vantajoso, devemos obter aproximações sucessivas
xi , convergentes para a solução desejada x x . Contudo, é fácil obter exemplos para os
lim xi 0
i
(4. 48)
ou
lim xi
i
(4. 49)
lim xi 1 0
Se a expressão (4. 48) é válida para xi, também é válida para xi+1:
i
(4. 50)
ou
lim xi 1
i
(4. 51)
lim xi 1 xi 0
Combinando-se as expressões (4. 49) e (4. 51) tem-se:
i
(4. 52)
4.4.3 - Conclusão:
Quando i , a diferença entre duas aproximações sucessivas deve tender a
zero. Os critérios de parada de processo iterativo podem ser escritos como:
a)
xi 1 xi (4. 53)
b)
f xi 1 f ( ) (4. 54)
Como f ( ) 0 temos:
f xi 1 (4. 55)
c)
xi 1 xi
(4. 56)
xi 1
4. 5 - Critério de Convergência para a iteração x = (x)
(b) (a)
'( )
ba
(4. 57)
ou
de x0 .
4.5.3 – Teorema do Limitante da Derivada da função de Iteração
Até
Admitindo que a derivada ' ( ) é limitada na região que contém a raiz, pode-se escrever:
Então:
x2 x1 M x1 xo (4. 65)
x3 x2 M x2 x1 M 2 x1 xo (4. 66)
x4 x3 M x3 x2 M x2 x1 M 3 x1 xo (4. 67)
Até
xi 1 xi M xi xi 1 M i x1 xo (4. 68)
Verifica-se que o lado esquerdo da expressão (4. 68) deve-se tornar muito pequeno para
Observação
valor de ' x .
A convergência do processo iterativo será tanto mais rápida quanto menor for o
Por outro lado, se a declividade '( x) for maior que 1 em valor absoluto, para
todo x pertencente a um intervalo numa vizinhança da raiz, pode ser visto que a iteração
xk 1 ( xk ) , k 0,1,... , divergirá.
4. 6 – Ordem de Convergência de uma Iteração
xi 1 xi
Uma iteração é definida por:
(4. 70)
rapidamente, se
temos:
AB xi CD OC xi 1 (4. 71)
xn 1
C
en1
xn
lim
n p (4. 72)
en
então p é denominado ordem de convergência da seqüência e C, constante assimptótica do
erro.
Para p = 1,2,3... a convergência é dita linear, quadrática, cúbica, ..,etc
respectivamente.
Definição – 2.
Um método iterativo é de ordem p para a raiz se ele gera uma seqüência que
converge para com ordem p.
O método iterativo xi 1 xi é um método de primeira ordem. Pelo teorema
xi 1
xi1 i i 1 (4. 73)
ou
xi
' i
xi 1
(4. 74)
e x 3x 0 (4. 75)
x
ex
(4. 76)
3
( x)
ex
onde .
3
Para o processo iterativo nós teríamos:
xi 1
e xi
(4. 77)
3
( xi 1 xi ) 2
f ( xi 1 ) f ( xi ) f ' ( xi )( xi 1 xi ) f ' ' ( xi ) ... (4. 78)
2!
Supondo que:
1) xi 1 , ou seja xi 1 está muito próximo de , de tal maneira que:
f ( xi 1 ) 0. (4. 79)
Portanto,
xi 1 xi
f ( xi )
(4. 81)
f ' ( xi )
( x) x
f ( x)
(4. 82)
f ' ( x)
4.7.1 – Interpretação Geométrica
Para o Método de Newton-Raphson, graficamente temos:
xi 1 xi
f ( xi )
(4. 83)
f ' ( xi )
Veja que:
tan f ' ( xi )
f ( xi )
( xi xi 1 )
(4. 84)
Se
( x) x
f ( x)
(4. 85)
f ' ( x)
' ( x) 1 x
f ' ( x)2
(4. 86)
ou
' ( x)
f ' ( x)2
f ( x ) f ' ' ( x)
(4. 87)
Como f ( ) 0 , por hipótese é a raiz do problema, se f ' ( ) 0 , então ' ( ) 0 que a
condição suficiente para a convergência é atendida.
simples, isto é a seqüência x n n0 gerada pelo método tem ordem de convergência igual a
O método de Newton-Raphson converge quadraticamente no caso de raízes reais e
n
dois.
' ' ( )
( x) ( ) ( x ) ' ( ) ( x ) 2 ... (4. 88)
2!
' ' ( )
( xi ) ( ) ( xi ) ' ( ) ( xi ) 2 ... (4. 89)
2!
Como
desprezando-se os termos que contém derivadas de ordem superior a dois pode-se escrever
' ' ( )
xi 1 ( xi ) 2 (4. 91)
2!
ou
xi 1 ' ' ( )
C
ei 1
xi
2 2 (4. 92)
ei 2!
Se ' ' ( ) 0 , logo comparando-se com a equação (4. 72) temos que a ordem de
convergência é p = 2.
x x
f ( x)
f '( x0 )
(4. 93)
xi 1 xi
Esse método é também um método de iteração do tipo:
(4. 94)
onde
xi 1 xi
f ( xi )
f '( x0 )
(4. 95)
x1 x0 x0 x0
f ( x0 ) tan
f ( x0 ) f ( x0 ) f ( x0 )
k
(4. 96)
Traça-se pela abscissa x1 uma reta normal ao eixo x e encontra-se na interseção com o
gráfico da função o ponto ( x1 , f ( x1 )) . Traça-se por esse ponto uma reta paralela à tangente
anterior e sua interseção com o eixo x fornece a abscissa x2 , segunda iteração, pois
x2 x1 x1 x1
f ( x0 ) tan
f ( x1 ) f ( x1 ) f ( x1 )
k
(4. 97)
' ' ( )
( x) ( ) ( x ) ' ( ) ( x ) 2 ... (4. 98)
2!
' ' ( )
( xi ) ( ) ( xi ) ' ( ) ( xi ) 2 ... (4. 99)
2!
' x 1
f '( x)
f '( x0 )
(4. 100)
f '( )
' 1 (4. 101)
f '( x0 )
Substituindo ( ) em ( ) temos:
f '( ) 2 ''( )
( xi ) ( ) ( xi ) 1 ( xi ) ...
f '( x0 )
(4. 102)
2!
f '( ) 2 ''( )
xi 1 xi 1 xi ... ,
f '( x0 )
(4. 103)
2!
Ou
f '( ) 2 ''( )
xi 1 xi xi xi ... , (4. 104)
f '( x0 ) 2!
xi 1 1 xi
''( )
... ,
xi
f '( xi )
(4. 105)
f '( x0 ) 2!
xi 1 1 f '( )
''( )
...
i xi
lim (4. 106)
f '( x0 ) 2!
Se ' ' ( ) 0 , desprezando-se os termos que contém derivadas de ordem superior a dois,
logo podemos escrever:
xi 1 1 f '( )
i xi
lim (4. 107)
f '( x0 )
Portanto,
x f '( )
lim n 1 lim i 1 1
e
i e i xi
p f '( x0 ) (4. 108)
n
f '( )
C 1 (4. 109)
f '( x0 )
temos a partir de ( )
ei 1 x f '( )
i 1 C 1
xi
p 1 f '( x0 ) (4. 110)
ei
logo comparando-se com a equação (4. 72) temos que a ordem de convergência é p 1 .
f ( xi ) f ( xi 1 )
f ' ( xi )
( xi xi 1 )
(4. 111)
xi 1 xi
f ( xi ) f ( xi 1 )
f ( xi )
( xi xi 1 )
(4. 112)
Ou
( xi xi 1 ) f ( xi )
xi 1 xi
f ( xi ) f ( xi 1 )
(4. 113)
xi 1
f ( xi ) f ( xi 1 )xi ( xi xi 1 ) f ( xi )
f ( xi ) f ( xi 1 )
(4. 114)
Então
xi 1 f ( xi ) xi f ( xi 1 )
xi 1
f ( xi ) f ( xi 1 )
(4. 115)
f ( xi 1 ) f ( xi )
f ( xi )
xi 1 xi xi xi 1
(4. 116)
ou
xi 1 f ( xi ) xi f ( xi 1 )
xi 1
f ( xi ) f ( xi 1 )
(4. 117)
x n en (4. 118)
xn 1 en 1 (4. 119)
e obtendo
en 1 f (en ) en f (en 1 )
en 1
f (en ) f (en1 ) (4. 125)
subtraindo as equações
f ' ' ( ) 2
f (en ) f (en1 ) en en1 f ' ( ) en en1 ...
2
2!
f n1 ( ) 2
en en1 ...
(4. 128)
(n 1)!
2
en f (en1 ) en en1 f ' ( ) n n1 f ' ' ( ) ... n n1 f n1 ( ) ...
2 2
ee ee
(n 1)!
(4. 129)
2!
en1 f (en ) en1 f ( ) en1en f ' ( ) n1 n f ' ' ( ) ... n1 n f n
2 2
e e e e
2! (n 1)! (4. 130)
Então, a equação (4. 125) pode ser escrita a partir de (4. 13) a (4. 15), como:
2! 3!
f n 1 ( ) 2
(en en 1 ) ..]
(4. 131)
(n 1)!
2
3!
f ' ' ( )
en1en (en en1 ).
en1 2!
en en1 f ' ( ).
(4. 133)
ou
f ' ' ( )
en1 en1en
2! f ' ( )
(4. 134)
Onde
Logo
f ' ' ( )
A
2! f ' ( )
(4. 136)
C 0 quando n
en1
(4. 137)
en1
p
logo
en1 C en
p
(4. 138)
en C en1
p
(4. 139)
Logo
C 1/ p en1
1/ p
en (4. 140)
e
en 1 C 1 / p en
1/ p
(4. 141)
Sendo:
en1 en C1/ p en
1/ p
A (4. 143)
en1 en
11/ p
C1 (4. 144)
onde
Voltando em ( ) temos:
C1 en
p 11/ p
C en (4. 146)
Como C1 C temos:
C en
p 11/ p
C en (4. 147)
Logo
p 1 1/ p p2 1 p (4. 148)
p2 p 1 0 (4. 149)
1 1 4 1 5
p (4. 150)
2.1 2
como p 1 . Logo
1 5
p 1,618.. (4. 151)
2
Fazendo C1 C temos:
logo
p 1
AC C C A
p
11/ p p p 1 (4. 153)
Portanto,
C
(4. 154)
2! f ' ( ) 2! f ' ( )
xn1 f ( xn ) xn f ( xn1 )
xn1
f ( xn ) f ( xn1 )
(4. 155)
C
en1
lim
n p (4. 156)
en
Implica que
f ' ' ( )
en1
1/ p
lim
n p (4. 157)
en 2! f ' ( )
Logo
f ' ' ( ) f ' ' ( )
lim np11
en1 e
2! f ' ( ) n en 2 f ' ( )
lim
n p 2 (4. 158)
en
f ( xi 1 ). f ( xi ) 0 (4. 161)
xi 1 f ( xi ) xi f ( xi 1 )
xi 1
f ( xi ) f ( xi 1 )
(4. 162)
y1 yo
y yo ( x xo )
x1 xo
(4. 163)
Quando x x2 , y 0 temos:
x2 x1
yo y1
yo y1
( y1 yo )
xo (4. 164)
y1 y 2
y y2 ( x x2 )
x1 x2
(4. 165)
x3 x1
y2 y1
y2 y1
( y1 y 2 )
x2 (4. 166)
xi 1 x1
yi y1
yi y1
( y1 yi )
xi (4. 167)
Para funções não convexas, não é estacionário, isto é, a função de iteração não é a
mesma a cada iteração (a representação gráfica correta está na página 36 do livro de Cálculo
Numérico Sperandio), por exemplo.
Graficamente temos:
Figura - 4. 12.
Temos as seguintes equações
x2 xo
y1 y1
y1 y1
( yo y1 )
x1 (4. 168)
x3 xo
y2 y1
y2 yo
( yo y2 )
x2 (4. 169)
x4 x2
y3 y o
y3 y2
( y 2 y3 )
x3 (4. 170)
4. 8 - Exemplos e Aplicações
4.8.1 - Problema
1) Encontrar as raízes das equações utilizando os critérios de parada,
f ( xi ) e xi 1 xi (4. 171)
com 10 2
a)
y x2 5x 4 (4. 172)
Solução
Fazendo y = 0 e isolando x temos a seguinte função.
x2 4
x (4. 173)
5
xi 1
xi 4
2
(4. 174)
5
' ( x) 1
2x 2x
(4. 175)
5 5
x 0; 1 x
2x 2x 5
(4. 176)
5 5 2
Se
x 0; 1 x
2x 2x 5
(4. 177)
5 5 2
x
5 5
(4. 178)
2 2
Observando que y (0) 4 e y (3) 2 e y (6) 10 , conclui-se que uma das raízes está
contida no intervalo (0;3) e a outra no intervalo (3;6). A raiz que está contida no intervalo
, deve-se
(3;6) não pode ser encontrada com o emprego do método do ponto fixo.
5 2 ; 5 2
2 2
identificar em intervalo contido em e que contenha a raiz. Como
y (2,4) 2,21 , pode-se concluir que a raiz procurada está contida no intervalo (0;2,4) e
que o processo iterativo será convergente.
Adotando o ponto de chute inicial x0 1,5 obtemos a seguinte tabela para os
valores de:
Tabela - IV. 2
i xi xi 1 f ( xi 1 ) xi 1 xi
0 1,5 1,25 0,6875 0,25
1 1,25 1,1125 0,324844 0,1375
2 1,1125 1,047351 0,140334 0,064969
3 1,047351 1,019464 0,058013 0,0280067
4 1,019464 1,007862 0,023524 0,011602
5 1,007862 1,003157 0,009461 0,004705
Logo 1,003157
Alternativamente, de
y x 2 5x 4 0 (4. 179)
podemos escrever
x2 4x x 4 0 (4. 180)
ou
x x2 4x x 4 (4. 181)
( x) x 2 4 x 4 (4. 182)
Se
2x 4 0 ; 2x 4 2x 4 1 x
5
(4. 184)
2
Se
2x 4 0 ; 2x 4 2x 4 1 x
5
(4. 185)
2
Para que o processo seja convergente, devemos ter
x
3 5
(4. 186)
2 2
que não contém nenhuma raiz.
3
y 1,25
2 3 5
y y 0
5 2 2
y 2,25
(4. 187)
2
x 2 5 x 4 x 2 10 x 5 x 4 0 (4. 188)
então
x 2 10 x 4
x (4. 189)
5
Assim (x) é dada por
x 2 10 x 4
( x) (4. 190)
5
2 x 10
' ( x) (4. 191)
5
2 x 10
' ( x) 1 (4. 192)
5
2 x 10 2 x 10 2 x 10
0 ; 1 x
5
(4. 193)
5 5 5 2
Se
2 x 10 2 x 10 2 x 10
0 ; 1 x
15
(4. 194)
5 5 5 2
x 2 10 x 4
( x) (4. 195)
5
b)
y e x 3x 0 (4. 196)
Solução
Isolando x na equação acima temos
x ex
1
(4. 197)
3
( x) e x
1
(4. 198)
3
' ( x) e x
1
(4. 199)
3
' ( x) e x 1
1
(4. 200)
3
x0 ; e e 1 e x 3 x ln 3 1,0986
1 x 1 x
(4. 201)
3 3
Se
x0 ; e e 1 e x 3 x ln 3 1,0986
1 x 1 x
(4. 202)
3 3
ln 3 x ln 3 (4. 203)
ou
1 e x 1
1
0 x ln 3
3 e x 3
3 (4. 204)
Da equação
x ex
1
(4. 205)
3
Tabela - IV. 3
i xi xi 1 f ( xi 1 ) xi 1 xi
e xi 3 xi
xi 1 xi xi x
f ( xi )
e i 3
(4. 206)
f ' ( xi )
e xi xi 1
xi 1
e xi 3
(4. 207)
Tabela - IV. 4
i xi xi 1 f ( xi 1 ) xi 1 xi
1) Verifique se é possível resolver as equações pelo Método do Ponto Fixo, se não resolva-as
utilizando o método Newton-Raphson;. Trabalhe com seis casas decimais e considere
0, 01 .
a) ln x x 2 0
b) senx x 2 0
c) x.e x 2 0
d) x 2.cos x 0
f ( x) ln x x 2 (4. 208)
( x) e 2 x (4. 209)
Tabela - IV. 5
i x1 |f(x1)| x2 |x2-x1|
0 0,100000 0,402585 6,685894 6,585894
1 6,685894 2,785894 0,009224 6,67667
2 0,009224 2,695119 7,321209 7,311985
3 7,321209 3,330434 0,004887 7,316322
4 0,004887 3,326096 7,353035 7,348148
5 7,353035 3,357922 0,004734 7,348301
O conjunto de valores obtidos para x é divergente. Não é aplicável o método do ponto fixo.
b) senx x 2 0
Seja a função:
Tabela - IV. 6
i x1 |f(x1)| x2 |x2-x1|
0 0,523599 0,225844 0,707107 0,183508
1 0,707107 0,149637 0,806001 0,098894
2 0,806001 0,071887 0,849426 0,043425
3 0,849426 0,029377 0,866546 0,01712
4 0,866546 0,011196 0,872982 0,006436
5 0,872982 0,004151 0,875356 0,002374
c) x.e x 2 0
Seja a função:
A função de iteração:
i x1 |f(x1)| x2 |x2-x1|
0 0,700000 0,590373 0,993171 0,293171
1 0,993171 0,681343 0,740801 0,252370
2 0,740801 0,446085 0,953464 0,212663
3 0,953464 0,473936 0,770807 0,182657
4 0,770807 0,333892 0,925279 0,154471
5 0,925279 0,334082 0,792842 0,132437
6 0,792842 0,248084 0,905114 0,112272
7 0,905114 0,237634 0,808992 0,096122
8 0,808992 0,183294 0,890614 0,081622
9 0,890614 0,170091 0,820808 0,069806
10 0,820808 0,134851 0,880152 0,059345
11 0,880152 0,122282 0,829440 0,050713
12 0,829440 0,098896 0,872587 0,043148
13 0,872587 0,088184 0,835738 0,036850
14 0,835738 0,072358 0,867109 0,031371
15 0,867109 0,063737 0,840329 0,026780
16 0,840329 0,052849 0,863137 0,022808
17 0,863137 0,046140 0,843673 0,019464
18 0,843673 0,038551 0,860255 0,016582
19 0,860255 0,033440 0,846108 0,014147
20 0,846108 0,028095 0,858163 0,012055
21 0,858163 0,024256 0,847880 0,010283
22 0,847880 0,020461 0,856644 0,008764
23 0,856644 0,017604 0,849169 0,007475
24 0,849169 0,014893 0,855540 0,006371
25 0,855540 0,012783 0,850107 0,005433
26 0,850107 0,010837 0,854738 0,004631
A função de iteração:
Tabela - IV. 8
i x1 |f(x1)| x2 |x2-x1|
0 1 0,080605 1,047198 0,047198
1 1,047198 0,047198 1,019727 0,027471
2 1,019727 0,027471 1,03577 0,016044
3 1,035770 0,016044 1,026419 0,009351
4 1,026419 0,009351 1,031876 0,005457
f ( x) ln x x 2 (4. 216)
f ( x) ln x x 2 (4. 217)
A derivada da função:
f ( x) 1/ x 1 (4. 218)
Tabela - IV. 9
i x1 x2 |f(x2)| |x2-x1|
1 0,100000 0,144732 0,077605 0,044732
2 0,144732 0,157864 0,003883 0,013133
b) senx x 2 0 .
Em primeiro lugar, verificamos, graficamente, que a função f ( x) senx x 2
a derivada da função:
Tabela - IV. 10
c) x.e x 2 0
Em primeiro lugar, verificamos, graficamente, que a função f ( x) x.e x 2
admite um zero real no intervalo [0,5;1].
Seja a função:
A derivada da função:
Tabela - IV. 11
d) x 2.cos x 0
A derivada da função:
Tabela - IV. 12
Solução
Para encontrar a raiz quadrada de um número a é o mesmo que resolver a
equação x 2 a 0 .
Seja x1 a1 uma primeira aproximação da raiz quadrada. Assim, a primeira
iteração nos fornece:
x1
a
a1
(4. 225)
x2 a1
a
a (4. 226)
a1
x3
a
a1
(4. 227)
E assim por diante. Por conseguinte, podemos observar que a série de valores encontrados
para xi 1 não é convergente.
3) Resolução da equação senx x 2 0 utilizando o método de Newton-Raphson Modificado.
Solução:
Em primeiro lugar, verificamos, graficamente, que a função
Newton-Raphson Modificado
Seja a função:
A derivada da função:
Tabela - IV. 13
i x1 x2 f ( x) x2 x1
b) 5 x3 x 2 12 x 4 0
c) sen( x) e x 0
d) x 4 8 0
x1 0,5
3
6) A equação x tan( x) tem uma raiz entre e . Determiná-la pelo método das secantes
2 2
a) sen( x) xe x 0
b) cos( x) e x
usando o método Regula-Falsi.
Capítulo V
SISTEMA DE EQUAÇÕES NÃO-LINEARES
RESUMO
5. 1 - Objetivos do Capítulo
5. 2 - Introdução
(5. 1)
5. 3 - Exemplos e Aplicações
5. 4 - Exercícios e Problemas
Capítulo VI
INTERPOLAÇÃO POLINOMIAL
RESUMO
Neste capítulo será visto diferentes métodos de interpolação de funções tais como:
o Método Lagrange, o Método de Newton das Diferenças Divididas, o Método de Bernstein,
o Método de Hermite, a análise da ordem e da convergência destes métodos e um estudo
comparativo entre eles a partir de um mesmo exemplo feito pelos diferentes métodos.
6. 1 – Objetivos do Capítulo
6. 2 – Introdução
uma outra função, g (x ) por exemplo, com o objetivo de realizar ou facilitar certas
complexos) yo , y1 ,..., y n , números estes que, em geral, são n + 1 valores de uma função
Pn ( xo ) yo ; Pn ( x1 ) y1 ;...; Pn ( xn ) y n (6. 1)
Vamos mostrar que tal polinômio existe e é único, na hipótese de que os pontos
xo , x1 ,..., xn sejam distintos.
6.3.1 - Teorema - 1
Pn ( xi ) yi , i 0,1,..., n. (6. 2)
Prova
ao a1 xo ... an xo n yo
a0 a1 x1 ... an x1 y1
n
...................................
(6. 3)
ao a1 xn ... an xn y n
n
1 xo .. xo
n
n
V V ( xo , x1 ,..., xn )
.. x1
1 : :
1 x1
(6. 4)
n
:
1 xn .. xn
1 xo .. xo
n
n
V V ( xo , x1 ,..., xn , x)
.. x1
1 : :
1 x1
(6. 5)
:
1 x .. x n
De (6. 4) tiramos:
V ( xo , x1 ) ( x1 xo ) (6. 9)
V V ( xo , x1 , x2 ) ( x1 xo )( x2 xo )( x2 x1 ) (6. 10)
V V ( xo , x1 ,..., xn1 , xn ) ( xi x j )
i j
(6. 11)
6.3.2 - Definição - 1
Chama-se polinômio de interpolação de uma função y = f(x) sobre um conjunto de
pontos xo , x1 ,..., xn , ao polinômio de grau no máximo n que coincide com f(x) em
xo , x1 ,..., xn . Tal polinômio será designado por Pn ( f ; x) e, sempre que não causar confusão
simplesmente por Pn (x) .
6.3.3 - Exemplo - 1
Dados os pares de pontos (1,1), (2,4), (3,9), (4,16), determinar o polinômio de
interpolação P2(x) para a função definida por este conjunto de pares sobre os pontos 1,2,3.
Temos:
xo 1 y o 1 f ( xo )
x1 2 e y1 2 f ( x1 )
x 3 y 3 f (x )
(6. 13)
2 2 2
P2 ( xi ) f ( xi ) i 0,1,2 . Então
ao a1 xo a2 xo yo
2
ao a1 x1 a2 x1 y1
2
(6. 14)
ao a1 x2 a2 x2 y 2
2
ou substituindo xi e yi, i = 0, 1, 2,
ao 1a1 1a2 1
ao 2a1 4a 2 4 (6. 15)
ao 3a1 9a2 9
1 1 1 ao 1
a1 4
1 3 9 a 9
1 2 4 (6. 16)
2
1 1 1
1 2 4 2 0
1 3 9
(6. 17)
e
1 1 1
o 4 2 4 0
9 3 9
(6. 18)
1 1 1
1 1 4 4 0
1 9 9
(6. 19)
1 1 1
2 1 2 4 2
1 3 9
(6. 20)
o
ao 0
(6. 21)
1
a1 0
(6. 22)
2 2
a2 1
2
(6. 23)
Temos, finamente:
P2 ( x) 0 0 x 1x 2 (6. 24)
ou
P2 ( x) 0 0 x 1x 2 (6. 25)
6. 4 – Interpolação Polinomial de Lagrange
1 se k i
Lk ( x)
0 se k i
(6. 28)
A condição Pn ( xi ) yi é satisfeita.
( x xo )( x x1 )( x x2 )...( x xk 1 )( x x k 1 )...( x xn )
Lk ( x)
( xk xo )( xk x1 )( xk x2 )...( xk xk 1 )( xk xk 1 )...( xk xn ) (6. 29)
Pn ( x) y k Lk ( x)
n
(6. 30)
k 0
onde
(x x j )
n
j 0
Lk ( x)
jk
( xk x j )
n (6. 31)
j 0
j k
Figura - 6. 2.
6. 5 – Forma de Newton – Interpolação Polinomial por Diferenças
Dividas
Pn ( x) d o d1 ( x xo ) d 2 ( x xo )( x x1 ) ...
d n ( x xo )( x x1 )...( x xn1 )
(6. 32)
f [ x1 ] f [ xo ] f ( x1 ) f ( xo )
f [ xo , x1 ]
1
x1 xo x1 xo
f [ x1 , x2 ] f [ xo , x1 ]
f [ xo , x1 , x2 ]
2
x 2 xo
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
f [ xo , x1 , x2 , x3 ]
3
x3 xo
: :
f [ x1 , x2 ,..., xn ] f [ xo , x1 ,..., xn1 ]
f [ xo , x1 , x2 ,..., xn ]
n
x n xo
Então:
d o f [ xo ] (6. 34)
d1 f [ xo , x1 ] (6. 35)
d 2 f [ xo , x1 , x2 ] (6. 36)
Por exemplo:
f ( x1 ) f ( xo ) f ( xo ) f ( x1 )
f [ xo , x1 ] f [ x1 , xo ]
x1 xo xo x1
(6. 38)
f [ xo , x1 , x2 ,..., xn ]
n
( xi x j )
f ( xi )
i 0
n
(6. 40)
k 1
k i
Po ( x) f ( xo ) f [ xo ] (6. 42)
f [ x1 ] f [ xo ] f ( x1 ) f ( xo )
f [ xo , x1 ]
x1 xo x1 xo
(6. 43)
Portanto,
f ( x ) f ( xo ) ( x xo ) f [ xo , x ] (6. 44)
ou
f ( x) Po ( x) ( x xo ) f [ xo , x] (6. 45)
Ro ( x) f ( x) Po ( x) ( x xo ) f [ xo , x] (6. 46)
Figura - 6. 3.
onde
f [ xo , x] f [ x1 , xo ]
f [ xo , x1 , x] f [ x1 , xo , x]
x x1
f ( x ) f ( xo )
f [ x1 , xo ]
x xo f ( x) f ( xo ) ( x xo ) f [ x1 , xo ]
(6. 47)
x x1 ( x xo )( x x1 )
Portanto,
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ xo , x1 , x] (6. 48)
onde:
P1 ( x) f ( xo ) ( x xo ) f [ x1 , xo ] Po ( x) q1 ( x)
(6. 49)
grau grau
zero um
R1 ( x) ( x xo )( x x1 ) f [ xo , x1 , x] (6. 50)
Observe que: R1 ( xo ) R1 ( x1 ) 0
xo , x1 , x2 pode-se escrever:
f [ xo , x1 , x2 , x] f [ x2 , x1 , xo , x]
f [ x1 , xo , x] f [ x2 , x1 , xo ]
x x2
f [ xo , x1 ] f [ x1 , xo ]
f [ x2 , x1 , xo ]
x x1
x x2
f ( x ) f ( xo )
f [ x1 , xo ]
(6. 51)
x xo
f [ x2 , x1 , xo ]
x x1
x x2
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ x2 , x1 , xo ]
( x xo )( x x1 )( x x2 )
Portanto,
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]
( x xo )( x x1 )( x x2 ) f [ xo , x1 , x2 , x]
(6. 52)
onde:
P2 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]
(6. 53)
P1 ( x ) q2 ( x )
R2 ( x) ( x xo )( x x1 )( x x2 ) f [ xo , x1 , x2 , x] (6. 54)
Pn1 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ] ..
( x xo )( x x1 )...( x xn2 ) f [ xo , x1 ,..., xn1 ] (6. 55)
Rn ( x) ( x xo )( x x1 )...( x xn ) f [ xo , x1 , x2 ,..., x]
( x xi ) f [ xo , x1 , x2 ,..., x]
n
(6. 57)
i 0
6. 6 – Estudo do Erro na Interpolação pelo Método de Newton
f ( x) Pn ( x) ( x xi )G ( x)
n
(6. 58)
i 0
onde
Q(t ) f (t ) Pn (t ) (t xi )G ( )
n
(6. 60)
i 0
f (a ) f (b) 0 então existe pelo menos um ponto c, a c b , tal que f ' (c) 0 ,
conforme mostra a Figura - 6. 4.
Figura - 6. 4.
Aplicando o teorema de Rolle à função Q , tem-se que Q' se anula pelo menos
( n 1)
(n+1) vezes, Q ' ' se anula pelo menos n vezes e assim sucessivamente, até Q que se
anula pelo menos uma vez no intervalo (xo;xn).
Derivando (6. 60) (n+1) vezes em relação à variável t, obtém-se:
Se Q ( n1) ( ) 0 , onde é o ponto onde a função Q(t) se anula pelo menos uma
vez, então:
f ( n1) ( )
G ( ) f [ xo , x1 , x2 ,...xn , ]
( n 1)!
(6. 62)
Assim
f ( n 1) ( )
Rn ( x) ( x xi )
n
(n 1)!
(6. 63)
i 0
Onde ( xo , x k )
Rn ( x) f ( x) Pn ( x) ( x xo )( x x1 )...( x xn )
M n1
( n 1)!
(6. 64)
onde
M n 1 max
f
( n 1)
( x)
x[ xo ; xn ]
(6. 65)
6. 7 – Problemas na Interpolação Polinomial
Figura - 6. 5.
H ( x) f ( x )
H '( x) f ( x) (6. 66)
H ''( x) f ( x)
Figura - 6. 6.
6.8.1 - Teorema
Onde
Prova
6.8.2 - Método Alternativo de Newton das Diferenças Divididas
Existe um método alternativo para se calcular os polinômios de Hermite usando-
se as diferenças divididas de Newton. Vejamos:
Pn ( x) f [ xo ] f [ xo , x1,..., xn ]( x xo )( x x1 )...( x xk 1 )
n
(6. 70)
k 1
E associar
Onde
, x1 ,...,
zo xo
z1 xo
z2 x1
z3 x1
(6. 73)
:
z2 n xn
z2 n1 xn
f [ x1 ] f [ xo ]
f [ xo , x1 ]
x1 xo
(6. 74)
6.9.1 - Introdução
As técnicas de interpolação, que ajusta uma curva aos pontos dados, em muitos
casos oferecem excelentes resultados, elas são particularmente usadas quando a forma básica
da curva é conhecida através de avaliação experimental ou por cálculo matemático. Alguns
exemplos que empregam esta técnica é o projeto de asas de avião, distribuidores para
motores, e algumas peças mecânicas. Porém existe uma classe de problemas que são
denominados de ab inito, em que as técnicas de interpolação (fitting) mostraram-se
ineficientes. Alguns exemplos de ab initio o projeto de fuselagem de avião, cascos de navios e
design de automóveis. Uma técnica alternativa para a descrição adequada da curva para
problemas de ab initio são as Curvas de Bézier, que foi desenvolvida pelo matemático francês
Pierre Bézier nos anos 60, durante seus trabalhos em projetos de automóveis para a Renault.
Originalmente Bézier baseou sua curva em princípios geométricos, porém mais tarde, Forrest,
Gordon e Riesenfeld mostraram que o resultado é equivalente à base de Bernstein, ou função
de aproximação polinomial.
Atualmente a curva de Bézier é amplamente utilizada na maioria dos softwares de
computação gráfica disponíveis no mercado, entre eles temos o Adobe Illustrator, o Corel
Draw, o Auto CAD, 3Ds MAX, Rhinoceros 3D, e bibliotecas como o OpenGL, VTK, entre
outros. No próximo capítulo serão revisados três diferentes tipos de representações para
curvas, mostrando as vantagens e desvantagens de seu uso. No capítulo três, é mostrada a
definição matemática da curva de Bézier. No quarto capítulo é construído um exemplo a partir
de definição matemática. O quinto capítulo mostra algumas propriedades da curva. O sexto
mostra a curva de Bézier na forma matricial. No sétimo capítulo é comentada a importância
da continuidade da curva para conexão de duas ou mais curvas de Bézier e, por fim, no oitavo
são comentadas vantagens e desvantagem no uso das curvas de Bézier. Em anexo estão os
códigos para visualizar as curvas de Bézier em MATLAB, algumas citações de uso de Bézier
em aplicativos (software) e uma introdução a superfícies, em especial, as superfícies NURBS
muito utilizadas por projetistas para acelerar a construção de objetos.
6.9.2 - Definições Básicas
Representações da Curva
y f x (6. 76)
Este tipo de representação é chamado de forma explicita da curva, pois uma coordenada é
função explicita da outra. É bastante simples representar uma reta com esta forma
y ax b (6. 77)
y r 2 x2 (6. 78)
f x, y 0 (6. 79)
Este tipo de equação é bastante empregado para cônicas. Desta forma, um circulo de centro
(0,0) de raio r é descrito pela equação
x2 y2 r 2 0 (6. 80)
Tanto a forma explícita como a implícita, permitem que as curvas sejam armazenadas de
maneira eficiente, visto que o número de coeficientes é pequeno. A forma explicita só pode
ser utilizada para curvas que possuam apenas um valor de y, para cada valor de x, já a forma
implícita não possui esta limitação. Por outro lado, a avaliação de uma curva na forma
explícita é feita de maneira trivial, enquanto para curvas na forma implícita esta variação
requer a solução da equação:
f x, y 0 (6. 81)
Devido aos problemas das outras formas de representação, a forma paramétrica é amplamente
utilizada na modelagem geométrica. Matematicamente, uma curva paramétrica pode ser
definida através da equação:
y f t (6. 84)
A forma paramétrica permite uma descrição uniforme dos diferentes tipos de curvas através
da adoção de um intervalo fixo de variação da coordenada paramétrica.
Exemplo:
Figura - 6. 7.
Observação:
Os vértices do polígono são enumerados de 0 à n.
Os pontos B1, B2, B3,B4 são os pontos do polígono de definição.
O polígono de definição também é chamado de polígono de Bézier.
Matematicamente, uma curva de Bézier é definida como:
P t Bi J n,i t 0 t 1
n
(6. 87)
i 1
Onde as funções bases de Bézier (ou Bernstein) ou ainda funções de mistura (blending) são:
n
J n,i t i 1 t
n i
i
com (6. 88)
n
i i ! n i !
n!
Observação:
O grau da função de mistura é sempre uma unidade a menos que o número de
pontos do polígono de definição.
Dados do problema:
Os pontos B0, B1, B2, B3, definem o polígono de Bézier;
O grau das funções de mistura é n = 3, ou seja, 4 menos 1.
Cálculo das funções de mistura J3,i.
Aplicando a definição de função de mistura:
n
J n,i t i 1 t
n i
i
(6. 89)
temos:
n 3
6
i i i !(3 i )!
3
1
6
0 0!(3 0)!
3
3
6
1 1!(3 1)! (6. 90)
3
3
6
2 2!(3 2)!
3
1
6
3 3!(3 3)!
Então:
P t Bi J n,i t
3
(6. 92)
i 1
Temos que:
P(0) = B0 = [1 1]
P(1) = B3 = [3 1]
Tabela - VI. 2.
Na Figura 4.1 temos a curva gerada pelos pontos e sobre a curva em destaque os pontos para
diferentes variações do parâmetro.
J n,i 1
n
(6. 95)
i0
n i
i n i (n i)
J n,i
i
n i
(6. 96)
nn
O máximo valor para cada função de mistura ocorre em t = i/n e é dado por:
Por exemplo, para uma cúbica (n=3). O Máximo valor para J 3,1 e J3,2 ocorre em
1/3 e 2/3, respectivamente, com os valores :
Prova:
Aqui definiremos que 0 0 =1.
n!(1)(1 0)n 0
J n,0 (0) 1 para i 0
n!
n!(0)i (1 0)n i
(6. 99)
J n,i (i) 0 para i 0
i!(n i)!
Portanto:
P 0 B0 J n,0 0 B0 .1 B0 (6. 100)
n !(1)n (0)n n
J n, n (1) 1 para i n
n !(1)
(6. 101)
J n,i (i ) t i (1 1)n i 0 para i n
n!
i !(n i )!
Portanto:
Além disso, pode-se mostrar que para qualquer valor do parâmetro t, o somatório das funções
base é a unidade, isto é:
J n, i t 1
n
(6. 103)
i 0
B0
P(t ) [1 t 3t 1 t 3t t ]
3 B1
B2
3 2 2
(6. 104)
B3
1 3 3 1 B0
3 6 3 0 B
P(t ) t 3 t 2 t 1 1
3 3 0 0 B2
(6. 105)
1 0 0 0 B3
De uma forma geral uma curva de Bézier pode ser expressa na forma matricial como
onde F = Jn,0 Jn,1 ... Jn,n (Funções de Mistura) e G = B0, B1,..., Bn (Vértices do polígono de
definição)
Observações:
Para qualquer valor de n a matriz [N] é simétrica em relação a diagonal principal;
O canto triangular inferior (abaixo da diagonal principal) direito contém apenas
zeros.
onde:
(t )
i nt J
i nt 2 nt 2 i(1 2t )
J ''n,i (t )
J n,i (t ) (6. 109)
t (1 t ) t (1 t )
J 'n,i n,i (t ) e
2 2
Figura - 6. 9. Sergi Natanovich Bernstein quem primeiro utilizou os polínios que levam o seu
nome.
n
Bin (t ) (1 t ) ni t i com t 0,1 , i 0,..., n
i
(6. 115)
n!
n para 0 i n
i
0 para 0 i n
i !( n i )! (6. 116)
1
B0,1 (t ) (1 t )1 t 0 (1 t )t 0 (1 t )
1!
0 0!(1 0)!
1
(6. 117)
B1,1 (t ) (1 t )11 t 1 (1 t ) 0 t t
1!
1 1!(1 1)!
2
B0, 2 (t ) (1 t ) 2 t 0 (1 t ) 2 t 0 (1 t ) 2
2!
0 0!(2 0)!
2
B1, 2 (t ) (1 t ) 21 t 1 (1 t )1 t 1 (1 t )t
2!
1 1!( 2 1)!
(6. 118)
2
B2, 2 (t ) (1 t ) 22 t 2 (1 t ) 0 t 2 t 2
2!
2 2!(2 2)!
3
B0,3 (t ) (1 t ) 3 t 0 (1 t ) 3 t 0 (1 t ) 3
3!
0 0!(3 0)!
3
B1,3 (t ) (1 t ) 31 t 1 (1 t ) 2 t 1 3(1 t ) 2 t
3!
1 1!(3 1)!
3
(6. 119)
B2,3 (t ) (1 t ) 32 t 2 (1 t )1 t 2 3(1 t )t 2
3!
2 2!(3 2)!
3
B3,3 (t ) (1 t ) 33 t 3 (1 t ) 0 t 3 t 3
3!
3 3!(3 3)!
Figura - 6. 10.
2) Recursividade:
Os polinômios de Bernstein de grau n podem ser definidos junto com os
polinômios de grau n 1 . Isto é, o n’esimo grau do polinômio de Bernstein pode ser escrito
como:
Bk ,n (t ) (1 t ) Bk ,n 1 (t ) tBk 1,n1 (t ) (6. 121)
Para mostrar isto, nós precisamos usar a definição do polinômio de Bernstein e alguma
álgebra simples:
3) Positividade:
Prova:
1 1 t t
n
5) Simetria
6) Grau Crescente:
1 1
1: , :
0 1
1+1
2 2 2
2 : , , :
0 1 2
1+2+1
3 3 3 3
3: , , , :
(6. 127)
1 + 3 + 3 +1
0 1 2 3
4 4 4 4 4
4 : , , , , : 1 + 4 + 6 + 4 + 1
0 1 2 3 1
:
n n n n n n
i : , ,...., , , n : 1,(n-1)+(i-1),(n-1+i),...,1
0 1 k-1 k k+1
,....,
1: 1
1,1: 1+1
1,2,1: 1+2+1
1,3,1: 1 + 3 + 3 +1 (6. 128)
1,4,6,4,1: 1 + 4 + 6 + 4 + 1
:
1, n, ...,(n-1)+(i-1),(n-1+i),...,1
n
Bi,n (t ) = t i (1-t) n-i
i
n-1 n-1
= t i (1-t) n-i + t i (1-t)n-i
(6. 129)
i i-1
= (1-t)Bi,n-1 (t ) + tBi-1,n-1 (t )
11) Se v 0 ou v n
Possui uma raiz de multiplicidade v no ponto t 0 (note que se v 0 não existe raiz em
t 0 . Possui uma raiz com multiplicidade n v no ponto t 1 (note que se v n ao existe
raiz em t 1 )
13)
n
v v n n ( n v ) n v
v
(6. 135)
6.10.4 - Base de Potência de Bernstein
A base polinomial de Bernstein de grau n formam uma base no espaço vetorial de
funções de grau n. Uma combinação linear da base polinomial de Bernstein é dada por:
Bn ( f )(t ) f ( )Bvn (t )
n
v
(6. 137)
v 0 n
lim Bn ( f )(t ) f (t )
n (6. 138)
Uniformemente sobre o intervalo [0;1]. Esta é uma condição mais forte do que a proposição
de que o limite se mantém para cada valor de t separadamente, que deveria ser uma
convergência ponto a ponto além da convergência uniforme. Especificamente, a palavra
n
(6. 139)
Os polinômios de Bernstein então tenha recursos para de uma forma provar o teorema da
aproximação de Stone-Weieerstrass que toda função contínua de valor real sobre um intervalo
real [a;b] pode ser uniformemente aproximada por funções polinomiais em R.
Uma condição mais geral para uma função com derivada k’ésima continua é:
( n) k (k )
Bn ( f )( k ) (t )
f (t ) (6. 140)
nk
(t ) Bn ( f )( k ) (t ) 0
(k )
f
(6. 141)
Onde aditivamente
(n) k 0 1 k 1
1 1 ...1
n n n
(6. 142)
nk
Prova
c0
c
B(t ) B0,n (t ) B1,n (t ) ... Bn,n (t ) 1
:
(6. 144)
c n
b b1,1 ... 0 c1
n 1, 0
B(t ) 1 t ... t
: : :
(6. 145)
: :
bn,0 bn,1 ... bn,n cn
onde
1 3 3 1 P0
3 6 3
0 P1
B(t ) t 3 t 2 t 1
3 3 0 0 P2
(6. 147)
1 0 0 0 P3
Este resultado nos ajudará a interpolar uma curva de Bezier como será visto em seguida.
6.10.8 - Exemplo de Aplicação de Interpolação de uma curva Bezier
Dado uma série de pontos de controle onde
Pi i0
N
(6. 148)
P(t ) PB
B
i n ,i (t ) (6. 149)
i 0
x(t ) xi Bn ,i (t )
N
(6. 150)
i 0
y (t ) yi Bn ,i (t )
N
(6. 151)
i 0
Figura - 6. 11.
Figura - 6. 12.
Figura - 6. 13.
Figura - 6. 14.
Figura - 6. 15.
Figura - 6. 16.
Figura - 6. 17.
6. 11 –Interpolação Polinomial por Spline
(6. 153)
derivadas). Estes pedaços de polinômios são “colados” convenienetemente para que algumas
derivadas, da ordem ditada no problema, exitam em todo o intervalo [a; b] .
ii) ( x) tem (n-1) derivadas contínuas em cada xi , isto é, ( x) é uma função com (n-1)
derivadas em a; b
S S
É possível estabelecer base a partir de funções splines. Dada a base i ( x)i 1 ,
k
(6. 155)
(6. 156)
Figura - 6. 19.
(6. 157)
(6. 158)
Graficamente temos as funções Bi ( x) , que são sinos com vértices em xi , conforme mostra a
Figura - 6. 20
Figura - 6. 20
nós adicionais. Isto ocorre porque a função B1 ( x) têm influência no intervalo x0 ; xm , uma
(6. 159)
(6. 160)
Como visto anteriormente li x j 0 se i j e li x j 1 se i j . Portanto,
(6. 161)
( x) fili x 1
m
(6. 162)
i 0
S1
ai Bi x 1
n 1
( x) (6. 163)
i 1
S3
E
Onde Bi ( x) é a base das splines cúbicas. A figura que ilustra as splines cúbicas mostra que,
(6. 165)
Como os pontos de interpolação foram escolhidos como nós da malha, temos que
B j 1 ( x j ) 1 , Bi ( x j ) 4 e B j 1 ( x j ) 1 . Lembrando a condição de interpolação temos:
(6. 166)
(6. 167)
Este sistema possui n+1 equações e n+3 incógnitas, que são a1, a0 , a1, a2 ,..., an , an 1 para
resolver este sistema precisamos de duas condições adicionais:
6. 12 –Interpolação Polinomial por B-Spline
Nas aplicações que usam curvas de formas livres para projetos de modelos,
curvatura contínua é geralmente um fator importante e por isso B-Splines são
preferencialmente usadas.
As curvas B-Splines de grau n podem, por sua vez, descrever uma seqüência de
curvas de Bézier de grau n conectadas suavemente entre si (Continuidade Cn-1).
A forma geral da curva B-Spline é bastante semelhante a da curva de Bézier. Um
conjunto de funções Ni,k(t) combina o efeito dos pontos de controle para gerar a curva:
P t Bi N i ,k t
n
(6. 168)
i 0
t ti tik t
N i ,k t N i , k 1 t N i 1, k 1 t
t i k 1 t i t i k t i 1
(6. 170)
Como o denominador pode se tornar zero, usa-se a convenção: 0/0 = 0. Essa formulação
requer a escolha de um conjunto de valores ti chamados nós, que se relacionam ao parâmetro
t. As únicas restrições impostas a esses nós são:
Estejam em ordem não decrescente, ou seja, os valores dos elementos t i devem
satisfazer a relação ti ≤ ti+1;
Um mesmo valor não deve aparecer mais que k vezes, ou seja, não pode surgir mais vezes que
a ordem da Spline usada. Esses valores de nós idênticos são referidos como nós múltiplos, ou
nós em multiplicidade.
Como as curvas de Bézier, as Splines satisfazem também a propriedade de
envoltória convexa. Satisfazem também a propriedade normalizante já que:
N t 1
n
(6. 171)
i 0
i ,k
Tabela - VI. 3.
x -1 0 2
y 4 1 -1
Solução
O polinômio de Lagrange de ordem dois é dado por:
P2 ( x) yo Lo ( x) y1 L1 ( x) y 2 L2 ( x) (6. 172)
onde
( x 0)( x 2) x 2 2x
Lo ( x)
(1 0)(1 2)
(6. 173)
3
( x (1))( x 2) 1 2
L1 ( x) ( x x 2)
(1 (1))(0 2) 2
(6. 174)
( x (1))( x 0) x 2 x
L2 ( x)
(2 (1))(2 0)
(6. 175)
6
logo
4( x 2 2 x) 1 2
P2 ( x) ( x x 2) ( x 2 2 x )
1
(6. 176)
3 2 6
Portanto,
P2 ( x) x 1
2x 2 7
(6. 177)
3 3
2) Sabe-se que a equação x e x 0 admite uma raiz no intervalo (0, 1). Determine o valor
dessa raiz utilizando interpolação quadrática (sugestão: utilize os pontos x = 0,
x = 0,5 e x = 1 para determinar o polinômio interpolador) e compare o valor calculado com o
obtido através da solução da equação (utilizando, por exemplo, o método Newton-Raphson).
Solução:
Polinômio Interpolador De Lagrange
( x 0,5)( x 1)
L0 2( x 0, 5)( x 1)
(0 0,5)(0 1)
x( x 1)
L1 4 x( x 1)
(0,5 0)(0, 5 1)
(6. 178)
( x 0)( x 0,5)
L2 2 x( x 0,5)
(1 0)(1 0,5)
donde:
Resolvendo a equação acima, obtém-se a raiz x0 = 0,5661 compreendida no intervalo (0, 1).
Newton-Raphson
Seja a função:
f ( x) x e x (6. 180)
A derivada da função:
f ( x) 1 e x (6. 181)
O valor do extremo inferior do intervalo: a = 0 e o valor do extremo superior do intervalo: b =
1 com precisão: E = .0001 e valor inicial de x: x1 0,5 .
Tabela - VI. 4.
3) Dada a tabela
Tabela - VI. 5.
X -1 0 1 3
f(x) a b c d
Solução:
Como são dados quatro pontos, para que possamos determinar os coeficientes de
um polinômio de interpolação, este deverá ser de grau três, pois possui quatro coeficientes:
donde
3a 8b 6c d 0 (6. 189)
a1 a2 2
a1 a2 1
(6. 190)
Tabela - VI. 6.
x -1 0 1 2 3
y=f(x) 1 1 0 -1 -2
Solução
Pode-se construir a tabela das diferenças divididas:
Tabela - VI. 7.
x2 f [ x2 ] f [ x 2 , x3 ] f [ x 2 , x3 , x 4 ]
x3 f [ x3 ] f [ x3 , x 4 ]
x4 f [ x4 ]
Ordem – 0:
f [ xo ] f ( xo ) (6. 192)
f [ x1 ] f ( x1 ) (6. 193)
f [ x2 ] f ( x2 ) (6. 194)
f [ x3 ] f ( x3 ) (6. 195)
f [ x4 ] f ( x4 ) (6. 196)
Ordem – 1:
f ( x1 ) f ( xo )
f [ xo , x1 ]
x1 xo
(6. 197)
f ( x2 ) f ( x1 )
f [ x1 , x2 ]
x2 x1
(6. 198)
f ( x3 ) f ( x2 )
f [ x 2 , x3 ]
x3 x2
(6. 199)
f ( x4 ) f ( x3 )
f [ x3 , x 4 ]
x4 x3
(6. 200)
Ordem – 2:
f [ x1 , x2 ] f [ xo , x1 ]
f [ xo , x1 , x2 ]
x 2 xo
(6. 201)
f [ x2 , x3 ] f [ x1 , x2 ]
f [ x1 , x2 , x3 ]
x3 x1
(6. 202)
f [ x 3 , x 4 ] f [ x 2 , x3 ]
f [ x 2 , x3 , x 4 ]
x4 x2
(6. 203)
Ordem – 3
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
f [ xo , x1 , x2 , x3 ]
x3 xo
(6. 204)
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
f [ x1 , x2 , x3 , x4 ]
x3 x o
(6. 205)
Ordem – 4
f [ x1 , x2 , x3 , x4 ] f [ xo , x1 , x2 , x3 ]
x4 xo
f [ xo , x1 , x2 , x3 , x4 ] (6. 206)
Tabela - VI. 8.
Tabela - VI. 9.
x -1 0 2
y = f(x) 4 1 -1
Solução
Como n 2 , temos:
P2 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ] (6. 207)
Assim:
P2 ( x) 4 3 x 3 x x
2 2 2
(6. 209)
3 3
P2 ( x) x x 1
2 2 7
(6. 210)
3 3
6.13.6 – Método de Interpolação das Diferenças Divididas de Newton –
Exemplo - 2
2) Obter o valor de ln(3,7) por interpolação linear da tabela:
x 1 2 3 3,7 4
ln(x) 0,0000 0,6931 1,0986 ?????? 1,3863
Solução
P1 ( x) f [ xo ] ( x xo ) f [ xo , x1 ] (6. 211)
f ( x1 ) f ( xo )
f [ xo , x1 ] 0,2877
x1 xo
(6. 213)
Logo
P1 ( x) 1,0986 ( x 3)0,2877
0,2877 x 0,2355 x [3;4]
(6. 214)
p/
Logo
P2 ( x) f [ xo ] ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ] (6. 216)
Ordem – 1:
f ( x1 ) f ( xo )
f [ xo , x1 ] 0,4055
x1 xo
(6. 218)
f ( x2 ) f ( x1 )
f [ x1 , x2 ] 0,2877
x2 x1
(6. 219)
Ordem – 2:
f [ x1 , x2 ] f [ xo , x1 ]
f [ xo , x1 , x2 ]
x 2 xo
0,2877 0,4055
(6. 220)
f [ xo , x1 , x2 ] 0,0589
42
Logo
Portanto,
i) Interpolação linear:
Se
1 ( x 3)( x 4)
R1 ( x) ; R1 ( x) ; [3;4]
0,1050
2
2 (6. 228)
2
R1 (3,7) 0,0117
0,1050
(6. 229)
32
f ' ' ( )
R2 ( x) ( x xo )( x x1 )( x x2 )
f ' ' ( )
2
( x 2)( x 3)( x 4) ; [2;4]
(6. 230)
2
Se
1 x 2)( x 3)( x 4)
R2 ( x) ( x 2)( x 3)( x 4)
2
6 3
3 (6. 232)
3
R2 (3, 7) ; [2; 4]
0,1090
3
(6. 233)
R2 (3,7) 0,0149
0,1190
(6. 234)
23
(6. 235)
Temos:
R1 (3,7) (3,7 3)(3,7 4) 0,1438 0,030 (6. 236)
Temos:
R2 (3,7) (3,7 2)(3,7 3)(3,7 4) 0,0283 0,010 (6. 237)
6.13.9 – Método de Interpolação das Diferenças Divididas de Newton –
Exemplo - 3
2) Dada a tabela
Solução:
a. Cálculo de e3,1
x Ordem 0 Ordem 1
3,0 20,085537 22,234965
3,2 24,532530
f [ x0 ] 20, 085537
f [ x1 ] f [ x0 ]
f [ x0 , x1 ] 22, 234965
(6. 238)
x1 x0
donde :
Para a interpolação quadrática, consideramos os pontos 2,8; 3,0 e 3,2. Utilizando o método de
Newton das diferenças divididas, teremos:
Tabela - VI. 15.
f [ x0 ] 16, 444647
f [ x1 ] f [ x0 ]
f [ x0 , x1 ] 18, 204445
x1 x0 (6. 241)
f [ x1 , x2 ] f [ x0 , x1 ]
f [ x0 , x1 , x2 ] 10,076288
x2 x0
donde:
Para a interpolação cúbica, consideramos os pontos 2,8; 3,0; 3,2 e 3,4. Utilizando o método de
Newton das diferenças divididas, teremos:
donde :
i) Interpolação linear:
e
R3 ( x) ( x 3, 0)( x 3, 2) (6. 247)
2!
Como
tomamos
f ( ) e e 2,8 16, 444647 (6. 250)
e
R3 ( x) ( x 2,8)( x 3, 0)( x 3, 2) (6. 251)
3!
Como
f iv ( x) e x (6. 253)
tomamos
e
R3 ( x) ( x 2,8)( x 3, 0)( x 3, 2)( x 3, 4) (6. 255)
4!
k xk f ( xk ) f '( xk )
0 1,3 0,6200860 -0,5220232
1 1,6 0,4554022 -0,5698954
2 1,9 0,2818186 -0,5811571
Solução
i) Logo:
( x x1 )( x x2 )
L2,0 ( x)
( x0 x1 )( x0 x2 )
(6. 258)
( x 1,6)( x 1,9)
L2,0 ( x)
(1,3 1,6)(1,3 1,9)
(6. 259)
Ou
L2,0 ( x)
50 x 2 175 x 152
(6. 260)
9 9 9
L '2,0 ( x)
100 x 2 175 x
(6. 261)
9 9
ii)
( x x0 )( x x2 )
L2,1 ( x)
( x1 x0 )( x1 x2 )
(6. 262)
L2,1 ( x)
100 x 2 320 x 247
(6. 263)
9 9 9
L '2,1 ( x)
200 x 2 320
(6. 264)
9 9
iii)
( x x0 )( x x1 )
L2,2 ( x)
( x2 x0 )( x2 x1 )
(6. 265)
L2,2 ( x)
50 x 2 145 x 104
(6. 266)
9 9 9
L '2,2 ( x)
100 x 2 145
(6. 267)
9 9
Calculando os H n, j ( x) temos:
i)
9 9 9 9
(6. 269)
9
50 x 2 175 x 152
H 2,0 ( x) 1 2( x 1,3) 5
2
9 9 9
50 x 2 175 x 152
(6. 270)
H 2,0 ( x) 1 (10 x 12)
2
9 9 9
ii)
9
(6. 272)
9 9 9 9
9 9 9
200 x 2 320 x 247 2
(6. 273)
H 2,1 ( x) 1
9 9 9
iii)
9 9 9 9
(6. 275)
9
50 x 2 145 x 104
H 2,2 ( x) 1 2( x 1,9) 5
2
9 9 9
50 x 2 145 x 104
(6. 276)
H 2,2 ( x) 1 (10 x 16)
2
9 9 9
Calculando os Hˆ n, j ( x ) temos:\
i)
50 x 2 175 x 152
H 2,0 ( x) ( x 1,3)
2
9
ˆ (6. 278)
9 9
ii)
9 9
ˆ (6. 280)
9
iii)
50 x 2 145 x 104
H 2,2 ( x) ( x 1,9)
2
9 9
ˆ (6. 282)
9
9 9 9
200 x 2 320 x 247 2
0,4554022 1
9 9 9
50 x 2 145 x 104
0,2818186 1 (10 x 16)
2
9 9 9
(6. 283)
50 x 2 175 x 152
0,5220232( x 1,3)
2
9 9 9
9 9 9
50 x 2 145 x 104
0,5811571( x 1,9)
2
9 9 9
Logo
f ( x) ln x
f '( x)
x 1
x
1 0 1
2 0,693 0,5
Solução
H 3 ( x) f [ z0 ] f [ z0 , z1 ]( x z0 ) f [ z0 , z1 , z2 ]( x z0 )( x z1 )
f [ z0 , z1 , z2 , z3 ]( x z0 )( x z1 )( x z2 )
(6. 285)
z2 x1 2 f [ z2 ] 0,693 f [ z2 , z3 ] 0,5
z3 x1 2 f [ z3 ] 0,693
Logo
Portanto,
e
H 3 ( x 1,5) 0,4090 (6. 288)
6. 14 – Exercícios e Problemas
u n2 f (t n 2 ), u n 1 f (t n 1 ), u n f (t n ), u n 1 f (t n 1 ), u n 2 f (t n 2 )
(6. 289)
? ?
dP3 (t ) dP3 (t )
(6. 291)
dt t tn dt t tn 1
e segunda ordens
? ?
d 2 P3 (t ) d 2 P3 (t )
(6. 292)
dt 2 t t dt 2 t t
n n 1
7. 1 - Objetivos do Capítulo
7. 2 - Introdução
7. 3 – Método dos Mínimos Quadrados
(7. 1)
7. 4 - Exemplos e Aplicações
7. 5 - Exercícios e Problemas
Capítulo VIII
INTEGRAÇÃO NUMÉRICA
RESUMO
8. 1 -Objetivos do Capítulo
8. 2 - Introdução
8. 3 – Integração Numérica
Se uma função f(x) é contínua em um intervalo [a;b], então, se existe uma função
F(x) tal que F’(x) = f(x), essa função é denominada primitiva de f(x) e a integral definida de
f(x) em [a;b] é calculada como:
a f ( x)dx F (b) F (a )
b
(8. 1)
No entanto, há situações nas quais a primitiva não pode ser determinada, por exemplo:
a dx;
b x2 b sen( x)
e dx (8. 2)
a x
Para essas situações, deve-se recorrer aos métodos numéricos para se obter uma aproximação
para a integral de f(x).
Para simplificar os cálculos e empregar um procedimento padrão para a integração
numérica substitui-se a função a ser integrada por um polinômio que a aproxime no intervalo
[a;b] ou nos subintervalos resultantes da divisão do intervalo original em intervalos menores.
x f ( x)dx C0 f ( x0 ) C1 f ( x1 ) C2 f ( x2 )... Cn f ( xn )
xn
(8. 3)
0
ba
w xi xi 1 , altura do lado esquerdo f ( xi 1 ) e altura do lado direito f ( xi ) .
n
Admite-se, portanto, que f(x) varia linearmente em [ xi 1 , xi ] . A área do trapézio é
Ai f ( xi1 ) f ( xi )
w
(8. 4)
2
A área total dos n trapézios é a aproximação trapezoidal da integral e é igual a
Tn Ai
n
(8. 5)
i 1
Ou
w
Tn
2
w
f ( x0 ) f ( x1 ) f ( x1 ) f ( x2 ) .. f ( xn 1 ) f ( xn ) (8. 7)
2
C0 ; C1 C2 ... Cn1 w; Cn
w w
(8. 8)
2 2
Ai f ( xi1 ) f ( xi )
w
(8. 9)
2
Se F(x) for a primitiva da função f(x), o valor exato da integral entre xi 1 e xi será:
x f ( x)dx F ( xi ) F ( xi 1 )
xi
(8. 10)
i 1
O erro de integração cometido no intervalo [ xi 1; xi ] é
Ei Ai I i (8. 11)
f "( xi )( xi 1 xi ) 2
f ( xi 1 ) f ( xi ) f '( xi )( xi 1 xi ) ... (8. 12)
2!
Como w xi xi 1
f ( xi 1 ) f ( xi ) f '( xi ) w ...
f "( xi ) w2
(8. 13)
2!
Portanto
Ai [ f ( xi 1 ) f ( xi )] f ( xi ) w ...
w f '( xi ) w2 f "( xi ) w3
(8. 14)
2 2 3!
F ( xi 1 ) F ( xi ) f ( xi ) w ...
f '( xi ) w2 f "( xi ) w3
(8. 17)
2! 3!
Assim
I i F ( xi 1 ) F ( xi ) f ( xi ) w ...
f '( xi ) w2 f "( xi ) w3
(8. 18)
2! 3!
O erro Ei é igual a
Ei Ai I i f ( xi ) w [ f ( xi ) w ..]
f '( xi ) w2 f "( xi ) w3 f '( xi ) w2 f "( xi ) w3
(8. 19)
2! 3! 2! 3!
Simplificando temos:
Ei f "( xi )
w3
(8. 21)
12
Ei M
w3
(8. 22)
12
Somando os erros cometidos na integração de cada trapézio, o erro máximo total,
igual a soma dos erros é:
Ei n.M nw M (b a ) M
w3 w2 w2
(8. 23)
12 12 12
Portanto, o erro de integração no Método do Trapézio, é proporcional a w2 ou inversamente
proporcional a n2.
8.4.1 - Exemplo
a) Calcular
0
0,5 x
e dx (8. 24)
a b ,
segmentos parabólicos. Se a integração for efetuada no intervalo [A;B] e uma única parábola
for adotada para aproimar a função pode-se adotar o ponto médio do intervalo c
2
y x2 x (8. 25)
A área sob a parábola pode ser calculada com o emprego de uma fórmula equivalente à do
método do trapézio:
Fazendo a w , b w , c 0 e:
i) Para f ( x) 1 ,
ii) Para f ( x) x
xdx 0 P.( w) Q.(w) R.(0)
w
(8. 29)
w
ii) Para f ( x) x 2
1 1 P 2w
0 Q 0
1
w w
w2 w2
(8. 31)
0 R 2 w3
3
Resolvendo o Sistema:
PQ eR
w 4w
(8. 32)
3 3
A i 1 f ( xi1 ) 4 f ( xi ) f ( xi1 )
w
(8. 34)
2
3
A i 1 f ( xi1 ) 4 f ( xi ) f ( xi1 )
w
(8. 37)
2
3
I i 1 f ( x) F xi 1 F xi 1
xi 1
(8. 38)
2 xi 1
E i 1 A i 1 I i 1
(8. 39)
2 2 2
f ( xi 1 ) f ( xi ) f '( xi )( xi 1 xi ) ( xi 1 xi ) 2
f ''( xi )
2!
( xi 1 xi )3 ...
(8. 40)
f '''( xi )
3!
ou
f ( xi 1 ) f ( xi ) f '( xi ) w w w w ...
f ''( xi ) 2 f '''( xi ) 3 f ''''( xi ) 4
(8. 41)
2! 3! 4!
f ( xi 1 ) f ( xi ) f '( xi ) w w w w ...
f ''( xi ) 2 f '''( xi ) 3 f ''''( xi ) 4
(8. 42)
2! 3! 4!
Susbtituindo (8. 41) e (8. 42) na Fórmula de Simpson, as Derivadas ímpares se anulam
w
6 f ( xi ) 2 f ''( xi ) f ( xi ) ...
w2 w4
A i 1
3
(8. 43)
2
2! 4!
Ou
2 f ( xi ) w 2 f ''( xi ) 2 f ( xi ) ...
w3 w5 1
A i 1
(8. 44)
2
3! 4! 3
F ( xi 1 ) F ( xi ) F '( xi ) w w
F ''( xi ) 2
2!
(8. 45)
w w
F '''( xi ) 3 F IV ( xi ) 4 F V ( xi ) 5
w ...
3! 4! 5!
E
F ( xi 1 ) F ( xi ) F '( xi ) w w
F ''( xi ) 2
2!
(8. 46)
w w
F '''( xi ) 3 F IV ( xi ) 4 F V ( xi ) 5
w ...
3! 4! 5!
Susbtituindo (8. 45) e (8. 46) na expressão analítica da integral
Portanto,
2 f xi w 2 f '' xi 2 f xi ...
w3 w5
I i 1 IV
(8. 49)
2
3! 5!
O Erro E i 1 é igual a:
2
E i 1 A i 1 I i 1 2 f xi w 2 f '' xi 2 f IV xi ...
w3 w5 1
2
2
2
3! 5! 3
2 f xi w 2 f '' xi 2 f xi ...
w3 w5 (8. 50)
IV
3! 5!
ou
E i 1 f IV xi w5
2 2
+termos em w , w ,...
72 120
7 9
(8. 51)
2
E i 1 f IV xi
w5
(8. 52)
2
90
Ei
w5
.M (8. 53)
90
Es .M n.w. .M b a .M
n w5 w4 w4
(8. 54)
2 90 180 180
8.5.2 - Exemplo
a) Calcular
0
0,5 x
e dx (8. 55)
I f * (r )d f * (r )d
b
(8. 56)
j a
r X (8. 57)
r X r ( ) X ( ) (8. 58)
d
I f * (r )d I f * (r ( )) d d
b 1
(8. 59)
a 1
d
d
onde é o Jacobiano da Transformação das Coordenadas Globais para as Coordenadas
Locais. Queremos encontrar uma solução numérica aproximada para a integral de tal forma
que:
d d
I f * (r ( )) d I f (r ( k ))
1
wk
N
g
k
(8. 60)
1
d k 1 d
I z ( )d I z ( k ) wk
1 Ng
(8. 61)
1 k 1
d d
onde z ( ) f * ( r ( )) e z ( k ) f * ( r ( k ))
d d k
I z ( )d z ( k ) wk Erro
1 Ng
(8. 62)
1 k 1
a0 a1 x a 2 x 2 a3 x 3 0 (8. 63)
z ( )d w1 z (1 ) w2 z ( 2 )
1
(8. 64)
1
como
Temos:
Como a0 , a1 , a 2 e a3 são arbitrários, cada uma das integrais acima deve ser integrada com
exatidão. Fazendo.
i) a0 1, a1 a 2 a3 0 e z = 1
logo
w1 w2 2 (8. 68)
ii) a1 1, a0 a 2 a3 0 e z =
2 (1) 2 (1) 2
z ( )d a1 d 2
1 1
0 w11 w2 2
1
(8. 69)
1 1 1
2 2
logo
iii) a2 1, a0 a1 a3 0 e z = 2
3
1
(1) 3 (1) 3 2
z ( )d a2 d 3
1 1
w11 w2 2
2 2 2
(8. 71)
1 1 1
3 3 3
logo
w11 w2 2
2 2 2
(8. 72)
3
iv) a3 1, a0 a1 a2 0 e z = 3
4 (1) 4 (1) 4
3
1 1
0 w11 w2 2
1
3 3 3
z ( ) d a d (8. 73)
1 1 1
4 4 4
Logo
w11 w2 2 0
3 3
(8. 74)
w1 w2 2
w11 w2 2 0
w11 w2 2 2 / 3
2 2 (8. 75)
w11 w2 2 0
3 3
ou
1 1
w 2
0 2 1
0
12 0 0
1 0 2 (8. 76)
3 w 2 / 3
3 2
2
1 0 2
w1 w2 1
1 0.57735 ; 2 0.57735
(8. 77)
1 (8. 78)
1.z (0.57735) 1.z (0.57735)
ou
Graficamente corresponde a:
( 1)
z ( ) ax b (8. 80)
2
Conforme mostra a Figura - 8. 5 temos:
Figura - 8. 5. Integração de Gauss para um função linear.
b.h 2 1
A 1 (8. 81)
2 2
e pela aproximação da quadratura de Gauss temos:
(0.57735 1) (0.57735 1)
I 1 (8. 82)
2 2
8. 7 – Método de Integração de Chébychev
a f ( x)dx C1 f ( x1 ) C2 f ( x2 )... Cn f ( xn )
b
(8. 83)
Se
Então
a f ( x)dx Cn f ( x1 ) f ( x2 )... f ( xn )
b
(8. 85)
x
1 t a 1 t b ; dx b a dt (8. 86)
2 2 2
fazendo
1 t a 1 t b
f ( x) f g (t )
(8. 87)
2 2
O problema consiste na determinação das variáveis Cn, t1, t2,...,tn de modo que
essa fórmula seja exata para toda função da forma:
Cn
2
t1 t2 ... tn 0
1n
t12 t2 2 ... tn 2
2 n
3Cn 3
t13 t23 ... tn3 0 (8. 91)
t14 t2 4 ... tn 4
2 n
5Cn 5
:
t1 t4 0, 794654
t2 t3 0,187592
4 1/2
t1 t5 0,832498
5 2/5 t2 t4 0,374541
t3 0
t1 t6 0,866247
6 1/3 t2 t5 0, 422519
t3 t4 0, 266635
t1 t7 0,883862
t2 t6 0,529657
t3 t5 0,323912
7 2/7
t4 0
t1 t9 0,883862
t2 t8 0,529657
9 2/9 t3 t7 0,323912
t 4 t 6
t5 0
8.7.1 - Exemplo
Calcular a seguinte integral:
I e dx
0,5
x
(9. 1)
0
8.7.2 - Solução
Inicialmente, o intervalo de integração é reduzido ao intervalo [1;1] através da
transformação:
(1 t ).0 (1 t ).0,5 (1 t )
x (9. 2)
2 2 4
Portanto,
I dt .C4 e 4 e 4 e 4 e 4
1
0,5 1
4 1
x
e
4
0
(9. 3)
.2,59488503 0, 648721258
1
4
8. 8 - Exemplos e Aplicações
8. 9 - Exercícios e Problemas
Capítulo IX
SOLUÇÃO NUMÉRICA DE EQUAÇÕES
DIFERENCIAIS
RESUMO
9. 1 - Objetivos do Capítulo
9. 2 - Introdução
9. 3 – Solução Numérica de Equações Diferenciais
y x 0; y (0) 0, y '(0) 1
d2y
(9. 4)
dt 2
é um exemplo de PVI
y x 0; y (0) 0, y '(1) 1
d2y
(9. 5)
dt 2
é um exemplo de PVC
9. 4 – Métodos de Integração
9. 5 – Métodos Iterativos de passo um, usando só anterior xn
Gráfico
Figura - 9. 1.
Para
x x1 x0 h , y ( x1 ) y1 (9. 7)
Para
x x2 x1 h ; y ( x2 ) y2 (9. 10)
então
9.5.3 - Exemplo
Dada a equação diferencial
yx
dy
(9. 13)
dx
9.5.4 - Solução
Calculamos
y' y x
y '(0) 2 0 2
(9. 14)
e substituímos
y1 y0 f ( x0 , y0 ) 2 .2 2,5
1 1
(9. 15)
4 4
y4 y3 f ( x3 , y3 ) ..... 4, 44140625
1
(9. 18)
4
yk 1 yk hyk' ....
despreza se
(9. 21)
yk
yk 1 yk hy k'
h2 "
yk (9. 23)
2
calculo para x xk .
9.5.6 - Exemplo
9.5.7 – Solução
Substituindo (9. 24) em (9. 25) temos:
sendo
yk 1 yk hy '
h2
y '' (9. 27)
2
h2
yk 1 yk h ( yk xk )
h2
2
(9. 28)
2
H k xk yk yk+1
0,25 0 0,00 2,0000000 2,5312500
1 0,25 2,5312500 3,1416016
2 0,50 3,1416016 3,8533020
3 0,75 3,8533020 4,6948557
4 1,00 4,6948557
yk 1 yk hf ( xk , yk ) (9. 29)
onde
f ( xk , yk )
dy
(9. 30)
dx
temos que
f ( xk 1 , yk 1 ) f ( xk h, yk h( f ( xk , yk )) (9. 31)
f ( xk , yk ) f ( xk 1 , yk 1 )
(9. 32)
2
Substituindo-se (9. 31) em (9. 32) e depois em (9. 29) obtém-se a expressão do Método de
Heun:
yk 1 yk f xk , yk f xk h, yk hf xk , yk
2
h
(9. 33)
9.5.9 - Exemplo
Resolver a seguinte equação diferencial
9.5.10 - Solução
Utilizando a fórmula:
yk 1 yk f ( xk , yk ) f ( xk h, yk hf ( xk , yk ))
h
(9. 35)
2
Calculando os valores de:
n 0 y1 2,53125
n 1 y2 3,141602
n 2 y3 3,853302
(9. 36)
n 3 y4 4, 684856
Onde
A solução analítica é:
yk 1 yk hf ( xk , yk )
h2
f '( xk , yk ) (9. 40)
2!
ak1 bk2 f ( xk , yk )
h
f '( xk , yk ) (9. 42)
2!
k1 f ( xk , yk ) (9. 43)
As incógnitas são a, b, p, q .
Expandindo a função k2 em torno do ponto ( xk , yk ) através da Série de Taylor,
para duas variáveis temos:
Série de Taylor para duas variáveis
f f 2 f
f ( x, y ) f ( a , b ) ( x a ) ( y b) ( x a) 2 2
1
x ( a ,b ) y 2! x (9. 45)
f f
( a ,b ) ( a ,b )
2( x a)( y b) ( y b) 2 2 .....
2 2
1
xy ( a ,b ) 2! y ( a ,b )
Logo,
f f
k2 f ( xk ph, yk qhf ( xk , yk )) f ( xk , yk ) ph qhf ( xk , yk )
x h y
(9. 46)
h
Então:
f f
yk 1 yk h af ( xk , yk ) b f ( xk , yk ) ph qhf ( xk , yk )
x h y h
(9. 47)
f f
yk 1 yk h(a b) f ( xk , yk ) h 2b p qf ( xk , yk )
x h y h
(9. 48)
Como:
df ( x, y ) f dx f dy f f
f '( x, y ) yk 1 f
x dx y dx x x
(9. 49)
dx
h 2 f f
yk 1 yk hf ( xk , yk ) q f ( xk , yk )
2! x h y
(9. 50)
h
f f
h(a b) f ( xk , yk ) h 2bp h 2bqf ( xk , yk )
x h y
(9. 51)
h
h 2 f h 2 f
hf ( xk , yk )
2 x h 2 y
f ( xk , yk ) (9. 52)
h
logo
a b 1
bp 1
2
pq
(9. 53)
1
bq
2
Fazendo p q 1 b e a , Logo:
1 1
2 2
yk 1 yk f xk , yk f xk h, yk hf xk , yk
2
h
(9. 54)
yk 1 yk K1 K 2
h
(9. 55)
2
onde
K1 f xk , yk (9. 56)
yk 1 yk hf xk , yk f ' xk , yk f '' xk , yk
h2 h3
(9. 58)
2! 3!
onde
K1 f xk , yk (9. 60)
K 2 f xk h, yk hK1
K 2 f xk ph, yk q xk , yk
(9. 61)
yk 1 yk K1 2K 2 2 K3 K 4
h
(9. 63)
6
onde
K1 f xk , yk (9. 64)
h
K 2 f xk , yk K1
h
2
(9. 65)
2
h
K 3 f xk , yk K 2
h
2
(9. 66)
2
K 4 f xk h, yk hK 3 (9. 67)
9.6.5 - Exemplo
Resolver a seguinte equação diferencial
Com y (0) 2 e calcular y (1) utilizando Método de Runge-Kutta de ordem quatro (4) com
h 0, 25 .
9.6.6 - Solução
Utilizando a fórmula:
(9. 69)
Onde
A solução analítica é:
f ( x, y )
dy
(9. 73)
dx
9.6.7 - Exemplo
Resolver a seguinte equação diferencial
2 - Correção:
Outro método “corrige” este valor e recorrige iterativamente até um critério de
parada. As Fórmulas Fechadas ou Implícitas são usadas como corretor. A fórmula mais
simples é do tipo trapezoidal.
9. 8 – Métodos Implícitos de passo Posterior
Fechadas ou Implícitas são usadas como corretor. A fórmula mais simples é do tipo
trapezoidal a qual é dada por:
Note que yn 1 aparece nos dois lados da equação. Podemos tentar obter yn 1 iterativamente.
método de Euler:
yn
h
y n(0)
1
f ( xn , yn ) (9. 77)
2
h
y (nk1) yn f ( xn , yn ) f ( xn 1, y (nk11) )
2
1 0
(9. 78)
9.8.1 - Algorimo
Um método de predição-correção de segunda ordem resolve uma equação
diferencial y ' f ( x, y ), y ( x0 ) y0 com h conhecido e xn x0 nh , n 0,1,. da seguinte
forma:
1. Calcular o y n(0)
1
(previsor) usando (2) ou outro método explícitos.
2. Calcular y n(k1) ,k=1,2,... usando (3) ou outro método implícito, iterando até
9.8.3 - Exemplo
Resolver a seguinte equação diferencial
Com y (0) 2 e calcular y (1) com h 0,5 (Obs: escolheu-se este muito grande! Apenas para
questão de tempo da aula).
9.8.4 – Solução
1ª etapa:
Para x 0,5 , usaremos como Previsor o Método de Euler. Logo,
y1(1) y0 f ( x0 , y0 ) f ( x1 , y1(0) )
2
h
(9. 85)
logo
2ª etapa:
Para x 1, 0 , usaremos como Previsor o Método de Euler. Logo,
y2(2) 4, 761; y2(3) 4,774; y2(4) 4, 777 e y2(5) 4, 778 (9. 101)
O resultado exato é:
Comentários:
9.9.1 - Adams-Moutton
Este Método é geralmente utilizado como Corretor.
onde f n f ( xn , yn )
9.9.2 - Adams-Bashforth
Este Método é geralmente utilizado como Previsor.
yn 1 yn 3 3 2 f n f n 1 2 f n 2
4h
(previsor)
y ( k ) 1 9 y y 3h f ( k ) 2 f f
(9. 105)
8 n1
n 1
n1 8 n2
n n (corretor)
9. 10 – Métodos de Passos Múltiplos
Partindo de um PVI
f ( x, y )
dy
(9. 106)
dx
y ( x) y0 f (t , y (t ))dt
x
x0
(9. 107)
é solução. Logo:
y ( x1 ) y ( x0 ) f ( x, y ( x))dx
x1
x0
(9. 108)
y ( xk 1 ) y ( xk )
xk 1
f ( x, y ( x))dx (9. 109)
xk
y ( xk 1 ) y ( xk ) f ( x, y ( x))dx
xk 1
xk (9. 110)
Newton-Cotes
Assim
yk 1 y ( xk 1 ) yk j
xk 1
Pr( x)dx (9. 111)
xk j
Como os pontos xi são igualmente espaçados PR pode ser construída com base no
Substituindo (9. 112) em (9. 111) e integrando o polinômio obtemos o erro local de
truncamento é dado pela expressão
( 1)( 2)...( R) R 1
ELT h R 2 f ( , y ( ))d
( R 1)!
1
1
(9. 113)
yk 1 yk 3 2 f k f k 1 2 f k 2 (previsor)
4h
(9. 114)
3
ETL h f ( , y ( ))
14 5 IV
(9. 115)
15
Corretor j = 1
xk R 1 xk 1 (9. 116)
yk 1 yk 1 h 2 f k 1 2 f k'1 f k"1 Of k"'1 f k 1 ....
1 1 IV
(9. 117)
3 90
onde
ETL
1 IV 5
f k 1h (9. 118)
90
yk 1 yk 1 h( f k 1 4 f k f k 1 ) (9. 119)
Portanto,
( ) h 0 f ( xk 1 , ) C
f ( xk 1 , )
'( ) h 0
(9. 121)
f ( x, y )
Seja M máx
y
. Para yk 1 próxima da raiz
h
0M
1
(9. 122)
yk 1 yk 3 2 f k f k 1 2 f k 2
4h
(9. 123)
3
Corretor:
yk 1 yk 2 f k 1 4 f k 1 f k 2
h
(9. 124)
3
9. 11 - Exemplos e Aplicações
9.11.1 – Exemplo - 1
Seja a seguinte equação diferencial:
y x 2
dy
(9. 125)
dx
Prevendo
Para k = 4, h = 0,1 temos
y5 y1 4.( f 4 f3 2 f 2 )
0,1
)(2 (9. 126)
y x 2
3
4 4
y15 2,106530284
y 52 2,106530391 (9. 128)
y 35 2,106530387
9. 12 - Exercícios e Problemas
Anexos
A1 - Os códigos para compilação em MATLAB para Curvas de
Bezier
Bezier.m
%Programa bezier: Curvas de Bezier
%Desenha a curva de Bezier relativamente a um conjunto de pontos
%Exemplo de uso:
%x=[1 2 4 3]
%y=[1 3 3 1]
%n=3
%[bezx,bezy]=bezier(x,y,n)
function [bezx,bezy]=bezier(x,y,n)
hold on
plot (x,y,'o')
i=0;
k=0;
for t=0:0.01:1
i=i+1;
bnk=bernstein(n,k,t);
ber(i)=bnk;
end
bezx=ber*x(1);
bezy=ber*y(1);
for k=1:n
i=0;
for t=0:0.01:1
i=i+1;
bnk=bernstein(n,k,t);
ber(i)=bnk;
end
bezx=bezx+ber*x(k+1);
bezy=bezy+ber*y(k+1);
end
plot(bezx,bezy)
hold off
Bernstein.m
%programa bernstein: polinomios de Bernstein %
function [bnk]=bernstein(n,k,x)
if k==0
C=1;
else
C=factorial(n)/(factorial(k)*factorial(n-k));
end
bnk=C*x^k*(1-x)^(n-k);
A2 – Superfícies de Bezier
Ps, t Bi J n,i s J j ,m t 0 s, t 1
n m
(A. 1)
i 0 j 0
onde, como no caso das curvas de Bézier, Bi,j define o vértice e controle da superfície e
Ji,n(s), Ji,m(t) são funções de Berstein nas direçõess e t respectivamente.
Se a superfície de Bézier a ser gerada for definida por dois polinômios de grau 3,
teremos as chamadas superfícies bicúbicas de Bézier, que podem ser escritas como:
t 3
2
P s , t s 3 T t
t
s2 s 1 M B GB M B (A. 2)
1
sendo
1 3 3 1
3 6 3 0
MB
3 3 0
(A. 3)
0
1 0 0 0
P0, 0 P0,3
P P1,3
P0,1 P0, 2
GB
P1,1 P1, 2
P2, 0 P2,3
1, 0
(A. 4)
P2,1 P2, 2
P2, 0 P3,1 P3, 2 P3,3
w B N t
n
Pt P t i0
i i n ,i
wi N n,i t
w
n (A. 5)
i 0